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](tm-debugging-scope-json-line.md). 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](md-create-manifest-file.md). Hinweise zur Behebung von Validierungsfehlern finden Sie unter [Behebung von Trainingsfehlern](tm-debugging-fixing-validation-errors.md). 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](md-create-manifest-file.md). **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"`. 1. 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 von`S3://....`. Ein ERROR\_INVALID\_SOURCE\_REF\_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter [Erstellen einer Manifestdatei](md-create-manifest-file.md). **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"`. 1. 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](md-create-manifest-file.md). ``` { "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](md-create-manifest-file.md). **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. 1. 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](md-create-manifest-file.md). **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 }] }, ``` 1. 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](md-create-manifest-file.md). **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" } ``` 1. 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](md-create-manifest-file.md). 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](md-create-manifest-file.md). **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. 1. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei. Weitere Informationen finden Sie unter [Erstellen einer Manifestdatei](md-create-manifest-file.md). 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](md-create-manifest-file-object-detection.md). ``` "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`. 1. 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](md-create-manifest-file-object-detection.md). 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" } } ``` 1. 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](md-create-manifest-file-object-detection.md). 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. 1. Vergewissern Sie sich, dass die JSON-Zeile keine ungültigen Zeichen enthält und dass die erforderlichen Zeichen `;` oder `,` nicht fehlen. 1. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei. ## ERROR\_INVALID\_IMAGE ### Fehlermeldung Das Bild ist ungültig. Überprüfen Sie die Eigenschaften des and/or S3-Pfadbilds. ### 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](limits.md). **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. 1. 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](limits.md). **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. 1. Führen Sie in der Amazon Rekognition Custom Labels -Konsole die folgenden Schritte aus: 1. Entfernen Sie die vorhandenen Begrenzungsrahmen aus dem Bild. 1. Fügen Sie die Begrenzungsrahmen erneut zum Bild hinzu. 1. Speichern Sie Ihre Änderungen. Weitere Informationen finden Sie unter [Objekte mit Begrenzungsrahmen mit Labels versehen](md-localize-objects.md). **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. 1. Rufen Sie die vorhandene JSON-Zeile für das Bild ab, indem Sie aufrufen [ListDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListDatasetEntries). Geben Sie für den `SourceRefContains` Eingabeparameter den Amazon S3-Speicherort und den Dateinamen des Bildes an. 1. Rufen Sie die JSON-Zeile für das Bild auf [UpdateDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_UpdateDatasetEntries)und 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](limits.md). **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 }] }, ``` 1. 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](md-create-manifest-file-object-detection.md). ``` { "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" } } ``` 1. 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](md-create-manifest-file-object-detection.md). ``` "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](#tm-error-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. 1. Öffnen Sie die Amazon Rekognition Rekognition-Konsole unter. [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/) 1. Wählen Sie **Benutzerdefinierte Labels verwenden**. 1. Wählen Sie **Erste Schritte**. 1. Wählen Sie im linken Navigationsbereich das Projekt aus, das den Datensatz enthält, den Sie verwenden möchten. 1. Wählen Sie im Abschnitt **Datensätze** den Datensatz aus, den Sie verwenden möchten. 1. Wählen Sie auf der Datensatz-Galerieseite die Option **Labeling starten** aus, um in den Labeling-Modus zu wechseln. 1. Wählen Sie das Bild aus, von dem Sie die Begrenzungsrahmen entfernen möchten. 1. Wählen Sie **Begrenzungsrahmen zeichnen**. 1. Wählen Sie im Zeichen-Tool den Begrenzungsrahmen aus, den Sie löschen möchten. 1. Drücken Sie die Löschtaste auf Ihrer Tastatur, um den Begrenzungsrahmen zu löschen. 1. Wiederholen Sie die vorherigen zwei Schritte, bis Sie genügend Begrenzungsrahmen gelöscht haben. 1. Wählen Sie **Erledigt** aus. 1. Wählen Sie **Änderungen speichern** aus, um die Änderungen zu speichern. 1. 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. 1. 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** + Benennen Sie das Bild mithilfe der Amazon Rekognition Custom Labels-Konsole. Detaillierte Anweisungen finden Sie unter [Einem Bild Labels auf Bildebene zuweisen](md-assign-image-level-labels.md). ## 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](tm-debugging-scope-json-line.md). ``` { "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](md-create-manifest-file-object-detection.md). + 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](tm-debugging-scope-json-line.md). ``` { "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](md-create-manifest-file-object-detection.md). + 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](md-create-manifest-file.md). ``` { "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](md-create-manifest-file.md). + 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.