Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Utilisation des données d’entrée et de sortie
Note
Amazon SageMaker Ground Truth n'est plus ouvert aux nouveaux clients. Les clients existants peuvent continuer à utiliser le service normalement. AWS continue d'investir dans l'amélioration de la sécurité et de la disponibilité de Ground Truth, mais nous ne prévoyons pas d'introduire de nouvelles fonctionnalités.
Les données d'entrée que vous fournissez à Amazon SageMaker Ground Truth sont envoyées à vos employés pour étiquetage. Vous choisissez les données à envoyer à vos employés en créant un fichier manifeste unique qui définit toutes les données qui nécessitent un étiquetage ou en envoyant des objets de données d’entrée à une tâche d’étiquetage en streaming pour être étiqueté en temps réel.
Les données de sortie sont le résultat de votre tâche d’étiquetage. Le fichier de données de sortie, ou fichier manifeste augmenté, contient des données d’étiquette pour chaque objet que vous envoyez à la tâche d’étiquetage et des métadonnées sur l’étiquette attribuée à des objets de données.
Lorsque vous utilisez la classification d'images (étiquette unique et multi-étiquette), la classification de texte (étiquette unique et multi-étiquette), la détection d'objets et la segmentation sémantique intégrées aux types de tâches pour créer une tâche d'étiquetage, vous pouvez utiliser le fichier manifeste augmenté qui en résulte pour lancer une SageMaker tâche de formation. Pour une démonstration de l'utilisation d'un manifeste augmenté pour entraîner un modèle d'apprentissage automatique de détection d'objets avec Amazon SageMaker AI, consultez https://sagemaker-examples.readthedocs.io/en/latest/ground_truth_labeling_jobs/object_detection_augmented_manifest_training/object_detection_augmented_manifest_training.html
Rubriques
