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.
La creación de un conjunto de datos de entrenamiento altamente preciso para su algoritmo de machine learning (ML) es un proceso iterativo. Normalmente, usted revisa y ajusta continuamente las etiquetas hasta que esté satisfecho de que representan con precisión la realidad o lo que es directamente observable en el mundo real. Puedes usar una tarea de verificación de etiquetas con imágenes de Amazon SageMaker Ground Truth para indicar a los trabajadores que revisen las etiquetas de un conjunto de datos y mejoren la precisión de las etiquetas. Los trabajadores pueden indicar si las etiquetas existentes son correctas o calificar la calidad de la etiqueta. También pueden añadir comentarios para explicar su razonamiento. Amazon SageMaker Ground Truth admite la verificación de Identificación del contenido de las imágenes mediante la segmentación semántica etiquetas Clasificación de los objetos de imagen mediante un cuadro delimitador y etiquetas. Puede crear un trabajo de etiquetado de verificación de etiquetas de imagen mediante la sección Ground Truth de la consola Amazon SageMaker AI o mediante la CreateLabelingJoboperación.
Ground Truth proporciona una consola de trabajador similar a la siguiente para las tareas de etiquetado. Si crea un trabajo de etiquetado con la consola, puede modificar el contenido y las imágenes que se muestran. Para obtener información acerca de cómo crear un trabajo de etiquetado utilizando la consola Ground Truth, consulte Crear un trabajo de etiquetado (consola).
Puede crear un trabajo de etiquetado y verificación de etiquetas mediante la consola de SageMaker IA o la API. Para aprender a crear un trabajo de etiquetado utilizando la operación CreateLabelingJob de la API de Ground Truth, consulte Crear un trabajo de etiquetado (API).
