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.
Erstellen einer Manifestdatei
Sie können einen Test- oder Trainingsdatensatz erstellen, indem Sie eine Manifestdatei SageMaker im Ground Truth Format importieren. Wenn Ihre Bilder in einem Format beschriftet sind, das keine SageMaker Ground-Truth-Manifestdatei ist, verwenden Sie die folgenden Informationen, um eine Manifestdatei SageMaker im Ground-Truth-Format zu erstellen.
Manifestdateien haben das JSONZeilenformat
-
Klassifizierungsjob-Output — Wird verwendet, um einem Bild Labels auf Bildebene hinzuzufügen. Ein Label auf Bildebene definiert die Klasse der Szene, des Konzepts oder des Objekts (falls keine Informationen für die Objektposition benötigt werden), die sich auf einem Bild befindet. Ein Bild kann mehr als eine Bezeichnung auf Bildebene haben. Weitere Informationen finden Sie unter Labels auf Bildebene in Manifestdateien importieren.
-
Begrenzungsrahmenjob-Output — Wird verwendet, um ein Label für Klasse und Position eines oder mehrerer Objekte auf einem Bild zu erstellen. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.
Zeilen auf Bildebene und JSON Lokalisierungszeilen (Bounding-Box) können in derselben Manifestdatei miteinander verkettet werden.
Anmerkung
Die JSON Zeilenbeispiele in diesem Abschnitt sind aus Gründen der Lesbarkeit formatiert.
Wenn Sie eine Manifestdatei importieren, wendet Amazon Rekognition Custom Labels Validierungsregeln für Grenzwerte, Syntax und Semantik an. Weitere Informationen finden Sie unter Validierungsregeln für Manifestdateien.
Die Bilder, auf die eine Manifestdatei verweist, müssen sich in demselben Amazon-S3-Bucket befinden. Die Manifestdatei kann sich in einem anderen Amazon-S3-Bucket befinden als der Amazon-S3-Bucket, in dem die Bilder gespeichert sind. Sie geben die Position eines Bilds im source-ref
Feld einer JSON Linie an.
Amazon Rekognition benötigt Berechtigungen für den Zugriff auf den Amazon-S3-Bucket, in dem Ihre Bilder gespeichert sind. Wenn Sie den Konsolen-Bucket verwenden, der von Amazon Rekognition Custom Labels für Sie eingerichtet wurde, sind die erforderlichen Berechtigungen bereits eingerichtet. Wenn Sie den Konsolen-Bucket nicht verwenden, siehe Zugreifen auf externe Amazon-S3-Buckets.
Erstellen einer Manifestdatei
Mit dem folgenden Verfahren wird ein Projekt mit einem Trainings- und Testdatensatz erstellt. Die Datensätze werden aus den von Ihnen erstellten Trainings- und Testmanifestdateien erstellt.
So erstellen Sie einen Datensatz mit einer Manifestdatei SageMaker im Ground Truth Format (Konsole)
-
Erstellen Sie im Konsolen-Bucket einen Ordner für Ihre Manifestdateien.
-
Erstellen Sie in dem Konsolen-Bucket einen Ordner, um Ihre Bilder zu speichern.
-
Laden Sie Ihre Bilder in den nun erstellten Ordner hoch.
-
Erstellen Sie eine Manifestdatei SageMaker im Ground Truth Format für Ihren Trainingsdatensatz. Weitere Informationen erhalten Sie unter Labels auf Bildebene in Manifestdateien importieren und Objektlokalisierung in Manifestdateien.
Wichtig
Der
source-ref
Feldwert in jeder JSON Zeile muss einem Bild entsprechen, das Sie hochgeladen haben. -
Erstellen Sie eine Manifestdatei SageMaker im Ground Truth Format für Ihren Testdatensatz.
-
Laden Sie Ihre Manifestdateien in den Ordner hoch, den Sie gerade erstellt haben.
-
Notieren Sie sich den Namen der Manifestdatei.
-
Folgen Sie den Anweisungen unter Einen Datensatz mit einer SageMaker Ground Truth-Manifestdatei erstellen (Konsole), um einen Datensatz mit der hochgeladenen Manifestdatei zu erstellen. Geben Sie für Schritt 8 unter Speicherort der Datei .manifest den Amazon S3 URL für den Speicherort ein, den Sie im vorherigen Schritt notiert haben. Wenn Sie den verwenden AWS SDK, tun Sie diesErstellen eines Datensatzes mit einer SageMaker Ground Truth Truth-Manifestdatei (SDK).