Etiquetar imágenes con un trabajo de Amazon SageMaker AI Ground Truth - Rekognition
Creación de un archivo de manifiesto con un trabajo de SageMaker AI Ground Truth (consola)

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Etiquetar imágenes con un trabajo de Amazon SageMaker AI Ground Truth

Con Amazon SageMaker AI Ground Truth, puede utilizar trabajadores de Amazon Mechanical Turk, una empresa proveedora que elija, o de una fuerza laboral interna y privada, junto con el aprendizaje automático que le permite crear un conjunto de imágenes etiquetadas. Amazon Rekognition Custom Labels importa los archivos de manifiesto de SageMaker AI Ground Truth desde un bucket de Amazon S3 que especifique.

Las etiquetas personalizadas Amazon Rekognition son compatibles con las siguientes tareas de SageMaker AI Ground Truth.

Los archivos que importe son las imágenes y un archivo de manifiesto. El archivo de manifiesto contiene información sobre las etiquetas y los cuadros delimitadores de las imágenes que importe.

Amazon Rekognition necesita permisos para acceder al bucket de Amazon S3 donde se almacenan las imágenes. Si utiliza el bucket de consola configurado por Etiquetas personalizadas de Amazon Rekognition, los permisos necesarios ya estarán configurados. Si no utiliza el bucket de consola, consulte Acceso a buckets de Amazon S3 externos.

Creación de un archivo de manifiesto con un trabajo de SageMaker AI Ground Truth (consola)

El siguiente procedimiento muestra cómo crear un conjunto de datos mediante imágenes etiquetadas por un trabajo de SageMaker AI Ground Truth. Los archivos finales de los trabajos se almacenan en el bucket de consola de Etiquetas personalizadas de Amazon Rekognition.

Para crear un conjunto de datos con imágenes etiquetadas por un trabajo de SageMaker AI Ground Truth (consola)

  1. Inicie sesión en la consola de Amazon S3 AWS Management Console y ábrala en https://console.aws.amazon.com/s3/.

  2. En el bucket de consola, cree una carpeta para guardar las imágenes de entrenamiento.

    nota

    El bucket de consola se crea al abrir por primera vez la consola Amazon Rekognition Custom Labels en una región. AWS Para obtener más información, consulte Administración de un proyecto de Etiquetas personalizadas de Amazon Rekognition.

  3. Cargue sus imágenes en la carpeta que acaba de crear.

  4. En el bucket de consola, cree una carpeta para guardar el resultado del trabajo de Ground Truth.

  5. Abra la consola de SageMaker IA en. https://console.aws.amazon.com/sagemaker/

  6. Cree un trabajo de etiquetado de Ground Truth. Necesitará Amazon S3 URLs para las carpetas que creó en los pasos 2 y 4. Para obtener más información, consulta Cómo usar Amazon SageMaker Ground Truth para el etiquetado de datos.

  7. Anote la ubicación del archivo output.manifest en la carpeta que creó en el paso 4. Debe estar en la subcarpeta Ground-Truth-Job-Name/manifests/output.

  8. Siga las instrucciones que aparecen en Creación de un conjunto de datos con un archivo de manifiesto de SageMaker AI Ground Truth (consola) para crear un conjunto de datos con el archivo de manifiesto cargado. Para el paso 8, en la ubicación del archivo.manifest, introduzca Amazon S3 URL para la ubicación que indicó en el paso anterior. Si está utilizando el AWS SDK, hágaloCrear un conjunto de datos con un archivo de manifiesto de SageMaker AI Ground Truth (SDK).

  9. Repite los pasos 1 a 6 para crear el trabajo SageMaker AI Ground Truth para tu conjunto de datos de prueba.