Mengatur Data Input Bingkai Video Otomatis - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengatur Data Input Bingkai Video Otomatis

Anda dapat menggunakan penyiapan data otomatis Ground Truth untuk mendeteksi file video secara otomatis di bucket Amazon S3 Anda dan mengekstrak bingkai video dari file tersebut. Untuk mempelajari caranya, lihat Menyediakan File Video.

Jika Anda sudah memiliki bingkai video di Amazon S3, Anda dapat menggunakan pengaturan data otomatis untuk menggunakan bingkai video ini dalam pekerjaan pelabelan Anda. Untuk opsi ini, semua bingkai video dari satu video harus disimpan menggunakan awalan unik. Untuk mempelajari tentang persyaratan untuk menggunakan opsi ini, lihatMenyediakan Video Frames.

Pilih salah satu bagian berikut untuk mempelajari cara mengatur koneksi dataset input otomatis Anda dengan Ground Truth.

Gunakan prosedur berikut untuk menghubungkan file video Anda dengan Ground Truth dan secara otomatis mengekstrak bingkai video dari file tersebut untuk deteksi objek bingkai video dan pekerjaan pelabelan pelacakan objek.

catatan

Jika Anda menggunakan alat konsol penyiapan data otomatis untuk mengekstrak bingkai video dari lebih dari 10 file video, Anda perlu memodifikasi file manifes yang dihasilkan alat atau membuat yang baru untuk menyertakan 10 file urutan bingkai video atau kurang. Untuk mempelajari selengkapnya, lihat Menyediakan File Video.

Pastikan file video Anda disimpan dalam bucket Amazon S3 di AWS Wilayah yang sama tempat Anda melakukan penyiapan data otomatis.

Hubungkan file video Anda secara otomatis di Amazon S3 dengan Ground Truth dan ekstrak bingkai video:

  1. Arahkan ke halaman pekerjaan Buat pelabelan di konsol Amazon SageMaker AI: https://console.aws.amazon.com/sagemaker/groundtruth.

    Bucket S3 input dan output Anda harus berada di AWS Wilayah yang sama tempat Anda membuat pekerjaan pelabelan. Tautan ini menempatkan Anda di Wilayah Virginia Utara (us-east-1). AWS Jika data input Anda ada di bucket Amazon S3 di Wilayah lain, alihkan ke Wilayah tersebut. Untuk mengubah AWS Wilayah Anda, pada bilah navigasi, pilih nama Wilayah yang saat ini ditampilkan.

  2. Pilih Buat pekerjaan pelabelan.

  3. Masukkan nama Job.

  4. Di bagian Pengaturan data input, pilih Pengaturan data otomatis.

  5. Masukkan URI Amazon S3 untuk lokasi S3 untuk kumpulan data masukan. URI S3 terlihat seperti berikut:s3://amzn-s3-demo-bucket/path-to-files/. URI ini harus mengarah ke lokasi Amazon S3 tempat file video Anda disimpan.

  6. Tentukan lokasi S3 Anda untuk kumpulan data keluaran. Di sinilah data output Anda disimpan. Anda dapat memilih untuk menyimpan data keluaran Anda di Lokasi yang sama dengan kumpulan data input atau Tentukan lokasi baru dan masukkan URI S3 dari lokasi yang ingin Anda simpan data keluaran Anda.

  7. Pilih File Video untuk tipe Data Anda menggunakan daftar dropdown.

  8. Pilih Ya, ekstrak bingkai untuk tugas pelacakan dan deteksi objek.

  9. Pilih metode ekstraksi Frame.

    • Saat Anda memilih Gunakan semua bingkai yang diekstrak dari video untuk membuat tugas pelabelan, Ground Truth mengekstrak semua frame dari setiap video di lokasi S3 Anda untuk set data input, hingga 2.000 frame. Jika video dalam kumpulan data input Anda berisi lebih dari 2.000 frame, 2.000 frame pertama diekstraksi dan digunakan untuk tugas pelabelan tersebut.

    • Saat Anda memilih Gunakan setiap x bingkai dari video untuk membuat tugas pelabelan, Ground Truth mengekstrak setiap frame x th dari setiap video di lokasi S3 Anda untuk kumpulan data input.

      Misalnya, jika video Anda berdurasi 2 detik, dan memiliki frame rate 30 frame per detik, ada 60 frame dalam video Anda. Jika Anda menentukan 10 di sini, Ground Truth mengekstrak setiap frame ke-10 dari video Anda. Ini berarti frame 1, 10, 20, 30, 40, 50, dan 60 diekstraksi.

  10. Pilih atau buat peran eksekusi IAM. Pastikan peran ini memiliki izin untuk mengakses lokasi Amazon S3 Anda untuk data input dan output yang ditentukan dalam langkah 5 dan 6.

  11. Pilih Penyiapan data lengkap.

Gunakan prosedur berikut untuk menghubungkan urutan bingkai video Anda dengan Ground Truth untuk pekerjaan deteksi objek bingkai video dan pelabelan pelacakan objek.

Pastikan frame video Anda disimpan dalam bucket Amazon S3 di AWS Wilayah yang sama tempat Anda melakukan penyiapan data otomatis. Setiap urutan frame video harus memiliki awalan yang unik. Misalnya, jika Anda memiliki dua urutan yang disimpans3://amzn-s3-demo-bucket/video-frames/sequences/, masing-masing harus memiliki awalan unik seperti sequence1 dan sequence2 dan keduanya harus ditempatkan langsung di bawah awalan. /sequences/ Pada contoh di atas, lokasi dari dua urutan ini adalah: s3://amzn-s3-demo-bucket/video-frames/sequences/sequence1/ dans3://amzn-s3-demo-bucket/video-frames/sequences/sequence2/.

Hubungkan bingkai video Anda secara otomatis di Amazon S3 dengan Ground Truth:

  1. Arahkan ke halaman pekerjaan Buat pelabelan di konsol Amazon SageMaker AI: https://console.aws.amazon.com/sagemaker/groundtruth.

    Bucket S3 input dan output Anda harus berada di AWS Wilayah yang sama tempat Anda membuat pekerjaan pelabelan. Tautan ini menempatkan Anda di Wilayah Virginia Utara (us-east-1). AWS Jika data input Anda ada di bucket Amazon S3 di Wilayah lain, alihkan ke Wilayah tersebut. Untuk mengubah AWS Wilayah Anda, pada bilah navigasi, pilih nama Wilayah yang saat ini ditampilkan.

  2. Pilih Buat pekerjaan pelabelan.

  3. Masukkan nama Job.

  4. Di bagian Pengaturan data input, pilih Pengaturan data otomatis.

  5. Masukkan URI Amazon S3 untuk lokasi S3 untuk kumpulan data masukan.

    Ini harus menjadi lokasi Amazon S3 tempat urutan Anda disimpan. Misalnya, jika Anda memiliki dua urutan yang disimpan dis3://amzn-s3-demo-bucket/video-frames/sequences/sequence1/,s3://amzn-s3-demo-bucket/video-frames/sequences/sequence2/, masukkan di s3://amzn-s3-demo-bucket/video-frames/sequences/ sini.

  6. Tentukan lokasi S3 Anda untuk kumpulan data keluaran. Di sinilah data output Anda disimpan. Anda dapat memilih untuk menyimpan data keluaran Anda di Lokasi yang sama dengan kumpulan data input atau Tentukan lokasi baru dan masukkan URI S3 dari lokasi yang ingin Anda simpan data keluaran Anda.

  7. Pilih bingkai Video untuk tipe Data Anda menggunakan daftar dropdown.

  8. Pilih atau buat peran eksekusi IAM. Pastikan peran ini memiliki izin untuk mengakses lokasi Amazon S3 Anda untuk data input dan output yang ditentukan dalam langkah 5 dan 6.

  9. Pilih Penyiapan data lengkap.

Prosedur ini akan membuat manifes masukan di lokasi Amazon S3 untuk kumpulan data masukan yang Anda tentukan di langkah 5. Jika Anda membuat pekerjaan pelabelan menggunakan SageMaker API atau,, atau AWS SDK AWS CLI, gunakan URI Amazon S3 untuk file manifes masukan ini sebagai input ke parameter. ManifestS3Uri