Nicht endgültige JSON-Zeilen-Validierungsfehler - Rekognition
ERROR_MISSING_SOURCE_REFERROR_INVALID_SOURCE_REF_FORMATERROR_NO_LABEL_ATTRIBUTESERROR_INVALID_LABEL_ATTRIBUTE_FORMATERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMATERROR_NO_VALID_LABEL_ATTRIBUTESERROR_MISSING_BOUNDING_BOX_CONFIDENCEERROR_MISSING_CLASS_MAP_IDERROR_INVALID_JSON_LINEERROR_INVALID_IMAGEERROR_INVALID_IMAGE_DIMENSIONERROR_INVALID_BOUNDING_BOXERROR_NO_VALID_ANNOTATIONSERROR_BOUNDING_BOX_TOO_SMALLERROR_TOO_MANY_BOUNDING_BOXESWARNING_UNANNOTATED_RECORDWARNING_NO_ANNOTATIONSWARNING_NO_ATTRIBUTE_ANNOTATIONSERROR_UNSUPPORTED_USE_CASE_TYPEERROR_INVALID_LABEL_NAME_LENGTH

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.

Nicht endgültige JSON-Zeilen-Validierungsfehler

In diesem Thema werden die nicht endgültigen JSON-Zeilen-Validierungsfehler aufgeführt, die von Amazon Rekognition Custom Labels während des Trainings gemeldet wurden. Die Fehler werden im Validierungsmanifest für Trainings und Tests gemeldet. Weitere Informationen finden Sie unter Die Manifeste mit Validierungsergebnissen von Trainings und Tests verstehen. Sie können einen nicht endgültigen JSON-Zeilenfehler beheben, indem Sie die JSON-Zeile in der Trainings- oder Testmanifestdatei aktualisieren. Sie können die JSON-Zeile auch aus dem Manifest entfernen, dies kann jedoch die Qualität Ihres Modells beeinträchtigen. Wenn es viele nicht endgültige Validierungsfehler gibt, ist es möglicherweise einfacher, die Manifestdatei neu zu erstellen. Validierungsfehler treten normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei. Hinweise zur Behebung von Validierungsfehlern finden Sie unter Behebung von Trainingsfehlern. Einige Fehler können mithilfe der Amazon Rekognition Custom Labels-Konsole behoben werden.

ERROR_MISSING_SOURCE_REF

Fehlermeldung

Der Quellennachweisschlüssel fehlt.

Weitere Informationen

Das JSON-Zeilenfeld source-ref gibt den Amazon S3-Speicherort eines Bilds an. Dieser Fehler tritt auf, wenn der source-ref-Schlüssel fehlt oder falsch geschrieben ist. Dieser Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

So beheben Sie ERROR_MISSING_SOURCE_REF

  1. Vergewissern Sie sich, dass der source-ref-Schlüssel vorhanden und richtig geschrieben ist. Ein vollständiger source-ref-Schlüssel und ein -Wert ähneln dem Folgenden. Ist "source-ref": "s3://bucket/path/image".

  2. Update oder der source-ref-Schlüssel in der JSON-Zeile. Alternativ können Sie die JSON-Zeile aus der Manifestdatei entfernen.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_INVALID_SOURCE_REF_FORMAT

Fehlermeldung

Das Format des Quellennachweis-Werts ist ungültig.

Weitere Informationen

Der source-ref-Schlüssel ist in der JSON-Zeile vorhanden, aber das Schema des Amazon S3-Pfads ist falsch. Der Pfad ist beispielsweise https://.... anstelle vonS3://..... Ein ERROR_INVALID_SOURCE_REF_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

So beheben Sie ERROR_INVALID_SOURCE_REF_FORMAT

  1. Überprüfen Sie, ob das Schema "source-ref": "s3://bucket/path/image" ist. Beispiel, "source-ref": "s3://custom-labels-console-us-east-1-1111111111/images/000000242287.jpg".

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels nicht verwenden, um diesen ERROR_INVALID_SOURCE_REF_FORMAT zu beheben.

ERROR_NO_LABEL_ATTRIBUTES

Fehlermeldung

Keine Label-Attribute gefunden.

Weitere Informationen

Das Label-Attribut oder der -metadata-Schlüsselname des Label-Attributs (oder beide) ist ungültig oder fehlt. Im folgenden Beispiel tritt ERROR_NO_LABEL_ATTRIBUTES immer dann auf, wenn der Schlüssel bounding-box oder bounding-box-metadata (oder beide) fehlt. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

{
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

Ein ERROR_NO_LABEL_ATTRIBUTES-Fehler tritt normalerweise in einer manuell erstellten Manifestdatei auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

So beheben Sie ERROR_NO_LABEL_ATTRIBUTES

  1. Vergewissern Sie sich, dass die -metadata-Schlüssel für den Bezeichner des Label-Attributs und der Bezeichner für das Label-Attribut vorhanden sind und ob die Schlüsselnamen richtig geschrieben sind.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels nicht verwenden, um ERROR_NO_LABEL_ATTRIBUTES zu beheben.

ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

Fehlermeldung

Das Format des Label-Attributs {} ist ungültig.

Weitere Informationen

Das Schema für den Label-Attributschlüssel fehlt oder ist ungültig. Ein ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

So beheben Sie ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

  1. Vergewissern Sie sich, dass der JSON-Zeilenabschnitt für den Label-Attributschlüssel korrekt ist. Im folgenden Beispiel für die Objektposition müssen die Objekte image_size und annotations korrekt sein. Der Label-Attributschlüssel hat den Namen bounding-box.

    	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT

Fehlermeldung

Das Format der Metadaten des Label-Attributs ist ungültig.

Weitere Informationen

Das Schema für den Metadatenschlüssel des Label-Attributs fehlt oder ist ungültig. Ein ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

So beheben Sie ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

  1. Vergewissern Sie sich, dass das JSON-Zeilenschema für den Metadatenschlüssel des Label-Attributs dem folgenden Beispiel ähnelt. Der Metadatenschlüssel des Label-Attributs hat den Namen bounding-box-metadata.

    	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_NO_VALID_LABEL_ATTRIBUTES

Fehlermeldung

Keine gültigen Label-Attribute gefunden.

Weitere Informationen

In der JSON-Zeile wurden keine gültigen Label-Attribute gefunden. Amazon Rekognition Custom Labels überprüft sowohl das Label-Attribut als auch die ID des Label-Attributs. Ein ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Wenn eine JSON-Zeile nicht in einem unterstützten SageMaker AI-Manifestformat vorliegt, markiert Amazon Rekognition Custom Labels die JSON-Zeile als ungültig und es wird ein ERROR_NO_VALID_LABEL_ATTRIBUTES Fehler gemeldet. Derzeit unterstützt Amazon Rekognition Custom Labels die Formate Klassifizierungsjob und Begrenzungsrahmen. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

So beheben Sie ERROR_NO_VALID_LABEL_ATTRIBUTES

  1. Überprüfen Sie, ob der JSON-Code für den Label-Attributschlüssel und die Metadaten des Label-Attributs korrekt ist.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_MISSING_BOUNDING_BOX_CONFIDENCE

Fehlermeldung

Bei einem oder mehreren Begrenzungsrahmen fehlt ein Konfidenzwert.

Weitere Informationen

Der Konfidenzschlüssel fehlt für einen oder mehrere Begrenzungsrahmen für die Objektposition. Der Konfidenzschlüssel für einen Begrenzungsrahmen befindet sich in den Metadaten des Labels, wie im folgenden Beispiel gezeigt. Ein ERROR_MISSING_BOUNDING_BOX_CONFIDENCE-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
So beheben Sie ERROR_MISSING_BOUNDING_BOX_CONFIDENCE

  1. Stellen Sie sicher, dass das objects-Array im Label-Attribut dieselbe Anzahl von Konfidenzschlüsseln enthält wie Objekte im Label-Attribut-Array annotations.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_MISSING_CLASS_MAP_ID

Fehlermeldung

Eine oder mehrere Klassen-IDs fehlen in der Klassenzuordnung.

Weitere Informationen

Das Objekt class_id in einer Anmerkung (Begrenzungsrahmen) hat keinen passenden Eintrag in der Klassenzuordnung (class-map) für die Metadaten des Label-Attributs. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien. Ein ERROR_MISSING_CLASS_MAP_ID-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf.

So beheben Sie den Fehler ERROR_MISSING_CLASS_MAP_ID

  1. Überprüfen Sie, ob der class_id-Wert in jedem Anmerkungsobjekt (Begrenzungsrahmen) einen entsprechenden Wert im class-map-Array hat, wie im folgenden Beispiel gezeigt. Das annotations-Array und das class_map-Array sollten dieselbe Anzahl von Elementen haben.

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1, 
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		}, 
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_INVALID_JSON_LINE

Fehlermeldung

Die JSON-Zeile hat ein ungültiges Format.

Weitere Informationen

In der JSON-Zeile wurde ein unerwartetes Zeichen gefunden. Die JSON-Zeile wird durch eine neue JSON-Zeile ersetzt, die nur die Fehlerinformationen enthält. Ein ERROR_INVALID_JSON_LINE-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

So beheben Sie ERROR_INVALID_JSON_LINE

  1. Öffnen Sie die Manifestdatei und navigieren Sie zu der JSON-Zeile, in der der Fehler ERROR_INVALID_JSON_LINE auftritt.

  2. Vergewissern Sie sich, dass die JSON-Zeile keine ungültigen Zeichen enthält und dass die erforderlichen Zeichen ; oder , nicht fehlen.

  3. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

ERROR_INVALID_IMAGE

Fehlermeldung

Das Bild ist ungültig. Überprüfen Sie den S3-Pfad und/oder die Bildeigenschaften.

Weitere Informationen

Die Datei, auf die von source-ref verwiesen wird, ist kein gültiges Bild. Mögliche Ursachen sind das Bildseitenverhältnis, die Größe des Bildes und das Bildformat.

Weitere Informationen finden Sie unter Richtlinien und Kontingente in Amazon Rekognition Custom Labels.

So beheben Sie ERROR_INVALID_IMAGE

  1. Überprüfen Sie, ob Folgendes der Fall ist:

    • Das Seitenverhältnis des Bildes ist kleiner als 20:1.

    • Die Größe des Images ist größer als 15 MB

    • Das Bild ist im PNG- oder JPEG-Format.

    • Der Pfad zum Bild in source-ref ist korrekt.

    • Die minimale Bildabmessung des Bildes ist größer als 64 x 64 Pixel.

    • Die maximale Bildabmessung des Bildes beträgt weniger als 4 096 x 4 096 Pixel.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_INVALID_IMAGE_DIMENSION

Fehlermeldung

Die Bildabmessungen entsprechen nicht den zulässigen Abmessungen.

Weitere Informationen

Das Bild, auf das von source-ref verwiesen wird, entspricht nicht den zulässigen Bildabmessungen. Die Mindestgröße beträgt 64 Pixel. Die maximale Abmessung beträgt 4 096 Pixel. ERROR_INVALID_IMAGE_DIMENSION wird für Bilder mit Begrenzungsrahmen gemeldet.

Weitere Informationen finden Sie unter Richtlinien und Kontingente in Amazon Rekognition Custom Labels.

So beheben Sie ERROR_INVALID_IMAGE_DIMENSION (Konsole)

  1. Aktualisieren Sie das Bild im Amazon-S3-Bucket mit Abmessungen, die Amazon Rekognition Custom Labels verarbeiten kann.

  2. Führen Sie in der Amazon Rekognition Custom Labels -Konsole die folgenden Schritte aus:

    1. Entfernen Sie die vorhandenen Begrenzungsrahmen aus dem Bild.

    2. Fügen Sie die Begrenzungsrahmen erneut zum Bild hinzu.

    3. Speichern Sie Ihre Änderungen.

    Weitere Informationen finden Sie unter Objekte mit Begrenzungsrahmen mit Labels versehen.

So beheben Sie ERROR_INVALID_IMAGE_DIMENSION (SDK)

  1. Aktualisieren Sie das Bild im Amazon-S3-Bucket mit Abmessungen, die Amazon Rekognition Custom Labels verarbeiten kann.

  2. Rufen Sie die vorhandene JSON-Zeile für das Bild ab, indem Sie aufrufen. ListDatasetEntries Geben Sie für den SourceRefContains Eingabeparameter den Amazon S3-Speicherort und den Dateinamen des Bildes an.

  3. Rufen Sie die JSON-Zeile für das Bild auf UpdateDatasetEntriesund geben Sie sie an. Stellen Sie sicher, dass der Wert von source-ref mit dem Speicherort des Images im Amazon-S3-Bucket übereinstimmt. Aktualisieren Sie die Begrenzungsrahmen-Anmerkungen so, dass sie den Abmessungen des Begrenzungsrahmens entsprechen, die für das aktualisierte Bild erforderlich sind.

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2013-11-18T02:53:27",
		"job-name": "my job"
	}
}

ERROR_INVALID_BOUNDING_BOX

Fehlermeldung

Der Begrenzungsrahmen hat Werte außerhalb des Rahmens.

Weitere Informationen

Die Informationen zum Begrenzungsrahmen geben ein Bild an, das entweder außerhalb des Bildrahmens liegt oder negative Werte enthält.

Weitere Informationen finden Sie unter Richtlinien und Kontingente in Amazon Rekognition Custom Labels.

So beheben Sie ERROR_INVALID_BOUNDING_BOX

  1. Überprüfen Sie die Werte der Begrenzungsrahmen im annotations-Array. 

    	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}]
	},

  2. Aktualisieren Sie die JSON-Zeile oder entfernen Sie sie alternativ aus der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_NO_VALID_ANNOTATIONS

Fehlermeldung

Keine gültigen Anmerkungen gefunden.

Weitere Informationen

Keines der Anmerkungsobjekte in der JSON-Zeile enthält gültige Begrenzungsrahmen-Informationen.

So beheben Sie ERROR_NO_VALID_ANNOTATIONS

  1. Aktualisieren Sie das annotations-Array so, dass es gültige Begrenzungsrahmen-Objekte enthält. Überprüfen Sie außerdem, ob die entsprechenden Begrenzungsfeld-Informationen (confidence und class_map) in den Metadaten des Label-Attributs korrekt sind. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [
		   {              
			"class_id": 1,    #annotation object
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [
		>{                
			"confidence": 1          #confidence  object
		}, 
        {
			"confidence": 1
		}],
		"class-map": {  
			"0": "Echo",    #label 
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

  2. Aktualisieren Sie die JSON-Zeile oder entfernen Sie sie alternativ aus der Manifestdatei.

Sie können Amazon Rekognition Custom Labels-Konsole nicht verwenden, um diesen Fehler zu beheben.

ERROR_BOUNDING_BOX_TOO_SMALL

Fehlermeldung

Die Höhe und Breite des Begrenzungsrahmens sind zu klein.

Weitere Informationen

Die Abmessungen des Begrenzungsrahmens (Höhe und Breite) müssen größer als 1 x 1 Pixel sein.

Während des Trainings ändert Amazon Rekognition Custom Labels die Größe eines Bilds, wenn eine seiner Abmessungen größer als 1 280 Pixel ist (die Quellbilder sind davon nicht betroffen). Die resultierenden Höhen und Breiten des Begrenzungsrahmens müssen größer als 1 x 1 Pixel sein. Die Position eines Begrenzungsrahmens wird im annotations-Array einer JSON-Zeile für die Objektposition gespeichert. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien 

	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}]
	},

Die Fehlerinformationen werden dem Anmerkungsobjekt hinzugefügt.

So beheben Sie den Fehler ERROR_BOUNDING_BOX_TOO_SMALL

  • Wählen Sie eine der folgenden Optionen aus.

    • Vergrößern Sie zu kleine Begrenzungsrahmen.

    • Entfernen Sie zu kleine Begrenzungsrahmen. Informationen zum Entfernen eines Begrenzungsrahmens finden Sie unter ERROR_TOO_MANY_BOUNDING_BOXES.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.

ERROR_TOO_MANY_BOUNDING_BOXES

Fehlermeldung

Es gibt mehr Begrenzungsrahmen als das zulässige Maximum.

Weitere Informationen

Es gibt mehr Begrenzungsrahmen als die zulässige Grenze (50). Sie können überschüssige Begrenzungsrahmen in der Amazon Rekognition Custom Labels-Konsole oder aus der JSON-Zeile entfernen.

So beheben Sie ERROR_TOO_MANY_BOUNDING_BOXES (Konsole).

  1. Entscheiden Sie, welche Begrenzungsrahmen entfernt werden sollen.

  2. Öffnen Sie die Amazon Rekognition Rekognition-Konsole unter. https://console.aws.amazon.com/rekognition/

  3. Wählen Sie Benutzerdefinierte Labels verwenden.

  4. Wählen Sie Erste Schritte.

  5. Wählen Sie im linken Navigationsbereich das Projekt aus, das den Datensatz enthält, den Sie verwenden möchten.

  6. Wählen Sie im Abschnitt Datensätze den Datensatz aus, den Sie verwenden möchten.

  7. Wählen Sie auf der Datensatz-Galerieseite die Option Labeling starten aus, um in den Labeling-Modus zu wechseln.

  8. Wählen Sie das Bild aus, von dem Sie die Begrenzungsrahmen entfernen möchten.

  9. Wählen Sie Begrenzungsrahmen zeichnen.

  10. Wählen Sie im Zeichen-Tool den Begrenzungsrahmen aus, den Sie löschen möchten.

  11. Drücken Sie die Löschtaste auf Ihrer Tastatur, um den Begrenzungsrahmen zu löschen.

  12. Wiederholen Sie die vorherigen zwei Schritte, bis Sie genügend Begrenzungsrahmen gelöscht haben.

  13. Wählen Sie Erledigt aus.

  14. Wählen Sie Änderungen speichern aus, um die Änderungen zu speichern.

  15. Wählen Sie Beenden, um den Labeling-Modus zu verlassen.

So beheben Sie den Fehler ERROR_TOO_MANY_BOUNDING_BOXES (JSON-Zeile).

  1. Öffnen Sie die Manifestdatei und navigieren Sie zu der JSON-Zeile, in der der Fehler ERROR_TOO_MANY_BOUNDING_BOXES auftritt.

  2. Entfernen Sie Folgendes für jeden Begrenzungsrahmen, den Sie entfernen möchten.

    • Entfernen Sie das erforderliche annotation-Objekt aus dem annotations-Array.

    • Entfernen Sie das entsprechende confidence-Objekt aus dem objects-Array in den Metadaten des Label-Attributs.

    • Wenn es nicht mehr von anderen Begrenzungsrahmen verwendet wird, entfernen Sie das Label von class-map.

    Identifizieren Sie anhand des folgenden Beispiels, welche Elemente entfernt werden sollen.

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [
		   {              
			"class_id": 1,    #annotation object
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [
		>{                
			"confidence": 1          #confidence  object
		}, 
        {
			"confidence": 1
		}],
		"class-map": {  
			"0": "Echo",    #label 
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

WARNING_UNANNOTATED_RECORD

Warnmeldungen

Der Datensatz enthält keine Anmerkungen.

Weitere Informationen

Ein Bild, das mithilfe der Amazon Rekognition Custom Labels-Konsole zu einem Datensatz hinzugefügt wurde, hatte keine Label. Die JSON-Zeile für das Bild wird nicht für Trainings verwendet. 

{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "warnings": [
        {
            "code": "WARNING_UNANNOTATED_RECORD",
            "message": "Record is unannotated."
        } 
    ]
}
So beheben Sie den Fehler WARNING_UNANNOTATED_RECORD

WARNING_NO_ANNOTATIONS

Warnmeldungen

Es wurden keine Anmerkungen bereitgestellt.

Weitere Informationen

Eine JSON-Zeile im Objektlokalisierungsformat enthält keine Begrenzungsrahmen-Informationen, obwohl sie von einem Menschen mit Anmerkungen versehen wurde (human-annotated = yes). Die JSON-Zeile ist gültig, wird aber nicht für Trainings verwendet. Weitere Informationen finden Sie unter Die Manifeste mit Validierungsergebnissen von Trainings und Tests verstehen. 

{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "bounding-box": {
        "image_size": [
            {
                "width": 640,
                "height": 480,
                "depth": 3
            }
        ],
        "annotations": [
           
        ],
        "warnings": [
            {
                "code": "WARNING_NO_ATTRIBUTE_ANNOTATIONS",
                "message": "No attribute annotations were found."
            }
        ]
    },
    "bounding-box-metadata": {
        "objects": [
           
        ],
        "class-map": {
           
        },
        "type": "groundtruth/object-detection",
        "human-annotated": "yes",
        "creation-date": "2013-11-18 02:53:27",
        "job-name": "my job"
    },
    "warnings": [
        {
            "code": "WARNING_NO_ANNOTATIONS",
            "message": "No annotations were found."
        } 
    ]
}
So beheben Sie den Fehler WARNING_NO_ANNOTATIONS

  • Wählen Sie eine der folgenden Optionen aus.

    • Fügen Sie die Informationen zum Begrenzungsrahmen (annotations) zur JSON-Zeile hinzu. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.

WARNING_NO_ATTRIBUTE_ANNOTATIONS

Warnmeldungen

Es wurden keine Attributanmerkungen bereitgestellt.

Weitere Informationen

Eine JSON-Zeile im Format Objektlokalisierung enthält keine Informationen zu Begrenzungsrahmen-Anmerkungen, obwohl sie von einem Menschen mit Anmerkungen versehen wurde (human-annotated = yes). Das annotations-Array ist nicht vorhanden oder enthält keine Daten. Die JSON-Zeile ist gültig, wird aber nicht für Trainings verwendet. Weitere Informationen finden Sie unter Die Manifeste mit Validierungsergebnissen von Trainings und Tests verstehen. 

{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "bounding-box": {
        "image_size": [
            {
                "width": 640,
                "height": 480,
                "depth": 3
            }
        ],
        "annotations": [
           
        ],
        "warnings": [
            {
                "code": "WARNING_NO_ATTRIBUTE_ANNOTATIONS",
                "message": "No attribute annotations were found."
            }
        ]
    },
    "bounding-box-metadata": {
        "objects": [
           
        ],
        "class-map": {
           
        },
        "type": "groundtruth/object-detection",
        "human-annotated": "yes",
        "creation-date": "2013-11-18 02:53:27",
        "job-name": "my job"
    },
    "warnings": [
        {
            "code": "WARNING_NO_ANNOTATIONS",
            "message": "No annotations were found."
        }
    ]
}
So beheben Sie den Fehler WARNING_NO_ATTRIBUTE_ANNOTATIONS

  • Wählen Sie eine der folgenden Optionen aus.

    • Fügen Sie der JSON-Zeile ein oder mehrere Begrenzungsrahmen-annotation-Objekte hinzu. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

    • Entfernen Sie das Begrenzungsrahmen-Attribut.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest. Wenn in der JSON-Zeile andere gültige Begrenzungsrahmen-Attribute vorhanden sind, können Sie stattdessen nur das ungültige Begrenzungsrahmen-Attribut aus der JSON-Zeile entfernen.

ERROR_UNSUPPORTED_USE_CASE_TYPE

Warnmeldungen

Weitere Informationen

Der Wert des type -Feldes ist nicht groundtruth/image-classification oder groundtruth/object-detection. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei. 

{
    "source-ref": "s3://bucket/test_normal_8.jpg",
    "BB": {
        "annotations": [
            {
                "left": 1768,
                "top": 1007,
                "width": 448,
                "height": 295,
                "class_id": 0
            },
            {
                "left": 1794,
                "top": 1306,
                "width": 432,
                "height": 411,
                "class_id": 1
            },
            {
                "left": 2568,
                "top": 1346,
                "width": 710,
                "height": 305,
                "class_id": 2
            },
            {
                "left": 2571,
                "top": 1020,
                "width": 644,
                "height": 312,
                "class_id": 3
            }
        ],
        "image_size": [
            {
                "width": 4000,
                "height": 2667,
                "depth": 3
            }
        ]
    },
    "BB-metadata": {
        "job-name": "labeling-job/BB",
        "class-map": {
            "0": "comparator",
            "1": "pot_resistor",
            "2": "ir_phototransistor",
            "3": "ir_led"
        },
        "human-annotated": "yes",
        "objects": [
            {
                "confidence": 1
            },
            {
                "confidence": 1
            },
            {
                "confidence": 1
            },
            {
                "confidence": 1
            }
        ],
        "creation-date": "2021-06-22T09:58:34.811Z",
        "type": "groundtruth/wrongtype",
        "cl-errors": [
            {
                "code": "ERROR_UNSUPPORTED_USE_CASE_TYPE",
                "message": "The use case type of the BB-metadata label attribute metadata is unsupported. Check the type field."
            }
        ]
    },
    "cl-metadata": {
        "is_labeled": true
    },
    "cl-errors": [
        {
            "code": "ERROR_NO_VALID_LABEL_ATTRIBUTES",
            "message": "No valid label attributes found."
        }
    ]
}
So beheben Sie den Fehler ERROR_UNSUPPORTED_USE_CASE_TYPE

  • Wählen Sie eine der folgenden Optionen:

    • Ändern Sie den Wert des type-Felds in groundtruth/image-classification oder groundtruth/object-detection, je nachdem, welchen Modelltyp Sie erstellen möchten. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.

ERROR_INVALID_LABEL_NAME_LENGTH

Weitere Informationen

Die Länge eines Labelnamens ist zu lang. Die maximale Länge beträgt 256 Zeichen.

So beheben Sie den Fehler ERROR_INVALID_LABEL_NAME_LENGTH

  • Wählen Sie eine der folgenden Optionen:

    • Reduzieren Sie die Länge des Labelnamens auf 256 Zeichen oder weniger.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.