Labels auf Bildebene in Manifestdateien importieren - Rekognition
Linien auf Bildebene JSON

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Labels auf Bildebene in Manifestdateien importieren

Um Beschriftungen auf Bildebene zu importieren (Bilder, die mit Szenen, Konzepten oder Objekten beschriftet sind, für die keine Lokalisierungsinformationen erforderlich sind), fügen Sie JSON Zeilen im Format SageMaker Ground Truth Classification Job Output zu einer Manifestdatei hinzu. Eine Manifestdatei besteht aus einer oder mehreren JSON Zeilen, eine für jedes Bild, das Sie importieren möchten.

Tipp

Um die Erstellung einer Manifestdatei zu vereinfachen, stellen wir ein Python-Skript zur Verfügung, das eine Manifestdatei aus einer CSV Datei erstellt. Weitere Informationen finden Sie unter Eine Manifestdatei aus einer CSV Datei erstellen.

So erstellen Sie eine Manifestdatei für Labels auf Bildebene.

  1. Erstellen Sie eine leere Textdatei.

  2. Fügen Sie für jedes Bild, das Sie importieren möchten, eine JSON Zeile hinzu. Jede JSON Zeile sollte der folgenden ähneln.

    {"source-ref":"s3://custom-labels-console-us-east-1-nnnnnnnnnn/gt-job/manifest/IMG_1133.png","TestCLConsoleBucket":0,"TestCLConsoleBucket-metadata":{"confidence":0.95,"job-name":"labeling-job/testclconsolebucket","class-name":"Echo Dot","human-annotated":"yes","creation-date":"2020-04-15T20:17:23.433061","type":"groundtruth/image-classification"}}

  3. Speichern Sie die Datei. Sie können die Erweiterung .manifest verwenden, sie ist jedoch nicht erforderlich.

  4. Erstellen Sie einen Datensatz mit der von Ihnen erstellten Manifestdatei. Weitere Informationen finden Sie unter So erstellen Sie einen Datensatz mit einer Manifestdatei SageMaker im Ground Truth Format (Konsole).

Linien auf Bildebene JSON

In diesem Abschnitt zeigen wir Ihnen, wie Sie eine JSON Linie für ein einzelnes Bild erstellen. Betrachten Sie das folgende Bild: Eine Szene für das folgende Bild könnte Sonnenaufgang heißen.

Sonnenuntergang über einem See mit Dock und kleinen Booten, umgeben von Bergen.

Die JSON Linie für das vorherige Bild mit der Szene Sonnenaufgang könnte die folgende sein. 

{
    "source-ref": "s3://bucket/images/sunrise.png",
    "testdataset-classification_Sunrise": 1,
    "testdataset-classification_Sunrise-metadata": {
        "confidence": 1,
        "job-name": "labeling-job/testdataset-classification_Sunrise",
        "class-name": "Sunrise",
        "human-annotated": "yes",
        "creation-date": "2020-03-06T17:46:39.176",
        "type": "groundtruth/image-classification"
    }
}

Notieren Sie die folgenden Informationen:

Quellennachweis

(Erforderlich) Der Amazon S3-Speicherort des Bildes. Das Format ist "s3://BUCKET/OBJECT_PATH". Bilder in einem importierten Datensatz müssen im gleichen Amazon-S3-Bucket gespeichert werden.

testdataset-classification_Sunrise

(Erforderlich) Das Label-Attribut. Sie wählen den Feldnamen. Der Feldwert (1 im vorherigen Beispiel) ist ein Bezeichner für ein Labelattribut. Er wird von Amazon Rekognition Custom Labels nicht verwendet und kann eine beliebige Ganzzahl sein. Es müssen entsprechende Metadaten vorhanden sein, die durch den Feldnamen mit angehängtem -Metadaten identifiziert werden. Beispiel, "testdataset-classification_Sunrise-metadata".

testdataset-classification_Sunrise-Metadaten

(Erforderlich) Metadaten zum Label-Attribut. Der Feldname muss mit dem Label-Attribut identisch sein, wobei -Metadaten angehängt ist.

Konfidenz

(Erforderlich) Wird derzeit nicht von Amazon Rekognition Custom Labels verwendet, aber es muss ein Wert zwischen 0 und 1 angegeben werden.

Jobname

(Optional) Ein Name, den Sie für den Job wählen, der das Bild verarbeitet.

Klassenname

(Erforderlich) Ein Klassenname, den Sie für die Szene oder das Konzept wählen, das auf das Bild zutrifft. Beispiel, "Sunrise".

mit menschlichen Anmerkungen versehen

(Erforderlich) Geben Sie "yes" an, wenn die Anmerkung von einem Menschen ausgefüllt wurde. Andernfalls "no".

Erstellungsdatum

(ErforderlichUTC) Datum und Uhrzeit der Erstellung des Labels in koordinierter Weltzeit ().

Typ

(Erforderlich) Die Art der Verarbeitung, die auf das Bild angewendet werden soll. Für Labels auf Bildebene ist der Wert "groundtruth/image-classification".

Hinzufügen mehrerer Labels auf Bildebene zu einem Bild

Sie können einem Bild mehrere Labels hinzufügen. Im Folgenden werden beispielsweise zwei Beschriftungen, Fußball und Ball, zu einem einzigen Bild JSON hinzugefügt. 

{
    "source-ref": "S3 bucket location", 
    "sport0":0, # FIRST label
    "sport0-metadata": { 
        "class-name": "football", 
        "confidence": 0.8, 
        "type":"groundtruth/image-classification", 
        "job-name": "identify-sport", 
        "human-annotated": "yes", 
        "creation-date": "2018-10-18T22:18:13.527256" 
    },
    "sport1":1, # SECOND label
    "sport1-metadata": { 
        "class-name": "ball", 
        "confidence": 0.8, 
        "type":"groundtruth/image-classification", 
        "job-name": "identify-sport", 
        "human-annotated": "yes", 
        "creation-date": "2018-10-18T22:18:13.527256" 
    }
}  # end of annotations for 1 image