Beschriftungsverifizierung und Anpassung - Amazon SageMaker KI
Vorsichtsmaßnahmen und Überlegungen

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.

Beschriftungsverifizierung und Anpassung

Wenn die Beschriftungen in einem Datensatz validiert werden müssen, bietet Amazon SageMaker Ground Truth Funktionen, mit denen Mitarbeiter überprüfen können, ob die Beschriftungen korrekt sind, oder frühere Beschriftungen anpassen können. Diese Auftragstypen fallen in zwei verschiedene Kategorien:

  • Kennzeichnungsverifizierung – Die Mitarbeiter geben an, ob die vorhandenen Kennzeichnungen korrekt sind, oder bewerten deren Qualität und können zur Begründung Kommentare hinzufügen. Die Mitarbeiter können Beschriftungen nicht ändern oder anpassen.

    Wenn Sie einen Auftrag zur Anpassung oder Verifizierung von 3D-Punktwolken- oder Videoframe-Beschriftung erstellen, können Sie festlegen, dass die Attribute der Kennzeichnungskategorien (nicht unterstützt für die semantische Segmentierung von 3D-Punktwolken) und die Frame-Attribute von Mitarbeitern bearbeitet werden können.

  • Beschriftungsanpassung – Mitarbeiter passen frühere Anmerkungen und ggf. die Kennzeichnungskategorie und Frame-Attribute an, um sie zu korrigieren.

Die folgenden in Ground Truth integrierten Aufgabentypen unterstützen Kennzeichnungsverifizierungs- und -anpassungsaufträge:

  • Begrenzungsrahmen

  • Semantische Segmentierung

  • Erkennung von 3D-Punktwolkenobjekten, Verfolgung von 3D-Punktwolkenobjekten und semantische Segmentierung von 3D-Punktwolken

  • Alle Aufgabentypen zur Erkennung und Verfolgung von Videoframe-Objekten – Begrenzungsrahmen, Polylinie, Polygon und Keypoint

Tipp

Für Aufgaben zur Überprüfung der Kennzeichnung von 3D-Punktwolken und Videoframes wird empfohlen, zum Kennzeichnungsauftrag neue Kennzeichnungskategorieattribute oder Frame-Attribute hinzuzufügen. Mitarbeiter können mit Hilfe dieser Attribute einzelne Beschriftungen oder den gesamten Rahmen überprüfen. Weitere Informationen zu Kennzeichnungskategorien und Frame-Attributen finden Sie unter Benutzeroberfläche (UI) für Mitarbeiter für 3D-Punktwolken und Worker-Benutzeroberfläche (UI) für Videoframes.

Sie können Aufträge zur Überprüfung und Anpassung von Etiketten mithilfe der SageMaker KI-Konsole oder der startenAPI.

Vorsichtsmaßnahmen und Überlegungen

Um erwartetes Verhalten beim Erstellen eines Kennzeichnungsverifizierungs- oder Anpassungsauftrags zu erhalten, überprüfen Sie Ihre Eingabedaten sorgfältig.

  • Wenn Sie Bilddaten verwenden, stellen Sie sicher, dass Ihre Manifestdatei hexadezimale Produktinformationen enthältRGB.

  • Zur Einsparung von Verarbeitungskosten filtern Sie Ihre Daten, um sicherzustellen, dass Sie keine unerwünschten Objekte in das Eingabemanifest Ihres Kennzeichnungsauftrags einbeziehen.

  • Fügen Sie die erforderlichen Amazon S3-Berechtigungen hinzu, damit Ihre Eingabedaten korrekt verarbeitet werden.

Wenn Sie mithilfe von Ground Truth einen Etikettierauftrag zur Anpassung oder Überprüfung erstellenAPI, müssen Sie einen anderen LabelAttributeName als den ursprünglichen Etikettierungsauftrag verwenden.

Anforderungen an die Farbinformation für semantische Segmentierungsaufträge

Um die Farbinformation bei Überprüfungs- oder Anpassungsaufgaben korrekt wiederzugeben, benötigt das Tool hexadezimale RGB Farbinformationen im Manifest (z. B. # FFFFFF für Weiß). Bei der Einrichtung eines Verifizierungs- oder Anpassungsauftrags für semantische Segmentierung untersucht das Tool das Manifest, um festzustellen, ob diese Informationen vorhanden sind. Wenn es es nicht finden kann, zeigt Amazon SageMaker Ground Truth eine Fehlermeldung an und beendet die Auftragseinrichtung.

In früheren Versionen des Tools Semantische Segmentierung wurden die Farbinformationen der Kategorien nicht im RGB Hexadezimalformat in das Ausgabemanifest ausgegeben. Diese Funktion wurde in das Ausgabemanifest eingeführt, als die Verifizierungs- und Anpassungs-Workflows eingeführt wurden. Daher sind ältere Ausgabemanifeste nicht mit diesem neuen Workflow kompatibel.

Filtern Sie Ihre Daten, bevor Sie mit dem Job beginnen

Amazon SageMaker Ground Truth verarbeitet alle Objekte in Ihrem Eingabemanifest. Wenn Sie einen teilweise gekennzeichneten Datensatz haben, können Sie ein benutzerdefiniertes Manifest erstellen, indem Sie eine Amazon S3 Auswahlabfrage auf Ihr Eingabemanifest anwenden. Nicht gekennzeichnete Objekte schlagen einzeln fehl, führen jedoch nicht zum Fehlschlagen des Auftrags und verursachen möglicherweise Verarbeitungskosten. Durch Herausfiltern von Objekten, die Sie nicht verifiziert möchten, können Sie Kosten einsparen.

Wenn Sie einen Überprüfungsauftrag über die Konsole erstellen, können Sie die dort bereitgestellten Filterwerkzeuge verwenden. Wenn Sie Jobs mit dem erstellenAPI, machen Sie das Filtern Ihrer Daten bei Bedarf zu einem Teil Ihres Workflows.

Themen