Verificación y ajuste de etiquetas - Amazon SageMaker
Precauciones y consideraciones

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.

Verificación y ajuste de etiquetas

Cuando es necesario validar las etiquetas de un conjunto de datos, Amazon SageMaker Ground Truth proporciona la funcionalidad para que los trabajadores comprueben que las etiquetas son correctas o para ajustar las etiquetas anteriores. Estos tipos de trabajos se estructuran en dos categorías distintas:

  • Verificación de etiquetas: los trabajadores indican si las etiquetas existentes son correctas o valoran su calidad y pueden añadir comentarios para explicar su razonamiento. Los trabajadores no podrán modificar ni ajustar etiquetas.

    Si crea un trabajo de ajuste o verificación de etiquetas en fotogramas de vídeo o nubes de puntos 3D, puede hacer que los trabajadores puedan editar los atributos de categorías de etiquetas (no se admite en segmentación semántica en nubes de puntos 3D) y los atributos de fotogramas.

  • Ajuste de etiquetas: los trabajadores ajustan anotaciones anteriores y, en su caso, atributos de categorías de etiquetas y fotogramas para corregirlos.

Los siguientes tipos de tareas integradas de Ground Truth admiten trabajos de etiquetado de ajuste y verificación:

  • Cuadro delimitador

  • Segmentación semántica

  • Detección de objetos en nubes de puntos 3D, seguimiento de objetos en nubes de puntos 3D y segmentación semántica en nubes de puntos 3D

  • Todos los tipos de tareas de detección de objetos en fotogramas de vídeo y seguimiento de objetos en fotogramas de vídeo (cuadro delimitador, polilínea, polígono y punto clave)

sugerencia

Para los trabajos de verificación del etiquetado en fotogramas de vídeo y nubes de puntos 3D se recomienda añadir nuevos atributos de categorías de etiquetas o atributos de fotogramas al trabajo de etiquetado. Los trabajadores pueden utilizar estos atributos para verificar etiquetas individuales o todo el fotograma. Para obtener más información sobre los atributos de categorías de etiquetas y fotogramas, consulte Interfaz de usuario (UI) para trabajadores sobre nubes de puntos 3D y Interfaz de usuario (UI) para trabajadores sobre fotogramas de vídeo.

Puede iniciar un trabajo de verificación y ajuste de etiquetas mediante la SageMaker consola o elAPI.

Precauciones y consideraciones

Para obtener el comportamiento esperado al crear un trabajo de verificación o ajuste de etiquetas, compruebe detenidamente los datos de entrada.

  • Si utiliza datos de imagen, compruebe que el archivo de manifiesto contenga información de RGB color hexadecimal.

  • Para ahorrar en costos de procesamiento, filtre los datos para asegurarse de que no hay objetos no deseados en el manifiesto de entrada del trabajo de etiquetado.

  • Agregue los permisos de Amazon S3 necesarios para asegurarse de que los datos de entrada se procesan correctamente.

Cuando cree un trabajo de etiquetado de ajuste o verificación con Ground TruthAPI, debe usar un trabajo de etiquetado LabelAttributeName diferente al original.

Requisitos de información de color para los trabajos de segmentación semántica

Para reproducir correctamente la información de color en las tareas de verificación o ajuste, la herramienta requiere información de RGB color hexadecimal en el manifiesto (por ejemplo, # FFFFFF para blanco). Cuando se configura un trabajo de ajuste o verificación de segmentación semántica, la herramienta examina el manifiesto para determinar si esta información está presente. Si no lo encuentra, Amazon SageMaker Ground Truth muestra un mensaje de error y finaliza la configuración del trabajo.

En versiones anteriores de la herramienta de segmentación semántica, la información de color de las categorías no se mostraba en RGB formato hexadecimal en el manifiesto de salida. Esta característica se introdujo en el manifiesto de salida al mismo tiempo que se introdujeron los flujos de trabajo de verificación y ajuste. Por lo tanto, los manifiestos de salida más antiguos no son compatibles con este nuevo flujo de trabajo.

Filtra tus datos antes de empezar el trabajo

Amazon SageMaker Ground Truth procesa todos los objetos de tu manifiesto de entrada. Si hay un conjunto de datos parcialmente etiquetado, quizá convenga crear un manifiesto personalizado utilizando una consulta Amazon S3 Select en el manifiesto de entrada. Los objetos sin etiquetar registran errores de forma individual, aunque no impiden que el trabajo se ejecute, y pueden generar costos de procesamiento. Puede reducir los costos filtrando los objetos que no desee verificar.

Si crea un trabajo de verificación con la consola, puede utilizar las herramientas de filtrado que esta proporciona. Si crea trabajos con élAPI, incorpore el filtrado de datos a su flujo de trabajo cuando sea necesario.

Temas