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.
Reglas de validación de archivos de manifiesto
Al importar un archivo de manifiesto, Etiquetas personalizadas de Amazon Rekognition aplica reglas de validación para los límites, la sintaxis y la semántica. El esquema SageMaker AI Ground Truth impone la validación de la sintaxis. Para obtener más información, consulte Salida. Las siguientes son las reglas de validación de los límites y la semántica.
nota
-
Las reglas de invalidez del 20 % se aplican de forma acumulativa a todas las reglas de validación. Si la importación supera el límite del 20% debido a alguna combinación (por ejemplo, un 15% de imágenes no válidas JSON y un 15% de imágenes no válidas), se produce un error en la importación.
-
Cada objeto del conjunto de datos es una línea del manifiesto. Las líneas en blanco o no válidas también se cuentan como objetos del conjunto de datos.
-
Las superposiciones son (etiquetas comunes entre la prueba y el entrenamiento)/(etiquetas de entrenamiento).
Límites
| Validación | Límite | Se ha producido un error |
|---|---|---|
|
Tamaño del archivo de manifiesto |
1 GB máximo |
Error |
|
Número máximo de líneas para un archivo de manifiesto |
Máximo de 250 000 objetos de conjunto de datos como líneas en un manifiesto. |
Error |
|
Límite inferior del número total de objetos de conjunto de datos válidos por etiqueta |
>= 1 |
Error |
|
Límite inferior de etiquetas |
2 |
Error |
|
Límite superior de etiquetas |
<= 250 |
Error |
|
Número mínimo de cuadros delimitadores por imagen |
0 |
Ninguna |
|
Número máximo de cuadros delimitadores por imagen |
50 |
Ninguna |
Semántica
| Validación | Límite | Se ha producido un error |
|---|---|---|
|
Manifiesto vacío |
Error |
|
|
Falta el objeto source-ref o no se puede acceder a él |
Número de objetos inferior al 20 % |
Advertencia |
|
Falta el objeto source-ref o no se puede acceder a él |
Número de objetos > 20 % |
Error |
|
Las etiquetas de prueba no están presentes en el conjunto de datos de entrenamiento |
Al menos un 50 % se superpone en las etiquetas |
Error |
|
Combinación de ejemplos de etiquetas y objetos para la misma etiqueta en un conjunto de datos. Clasificación y detección de la misma clase en un objeto de conjunto de datos. |
Sin errores ni advertencias |
|
|
Superposición de activos entre la prueba y el entrenamiento |
No debe haber una superposición entre los conjuntos de datos de prueba y de entrenamiento. |
|
|
Las imágenes de un conjunto de datos deben proceder del mismo bucket |
Se produce un error si los objetos están en un bucket diferente |
Error |
