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

Mengidentifikasi objek menggunakan deteksi objek bingkai video

Anda dapat menggunakan jenis tugas deteksi objek bingkai video untuk meminta pekerja mengidentifikasi dan menemukan objek dalam urutan bingkai video (gambar yang diekstrak dari video) menggunakan kotak pembatas, polyline, poligon, atau alat anotasi titik kunci. Alat yang Anda pilih menentukan jenis tugas bingkai video yang Anda buat. Misalnya, Anda dapat menggunakan pekerja tipe tugas deteksi objek bingkai video kotak pembatas untuk mengidentifikasi dan melokalisasi berbagai objek dalam serangkaian bingkai video, seperti mobil, sepeda, dan pejalan kaki. Anda dapat membuat pekerjaan pelabelan deteksi objek bingkai video menggunakan konsol Amazon SageMaker AI Ground Truth, SageMaker API, dan SDK khusus bahasa AWS . Untuk mempelajari lebih lanjut, lihat Membuat Pekerjaan Pelabelan Deteksi Objek Bingkai Video dan pilih metode pilihan Anda. Lihat Tipe tugas untuk mempelajari lebih lanjut tentang alat anotasi yang dapat Anda pilih saat membuat pekerjaan pelabelan.

Ground Truth menyediakan UI pekerja dan alat untuk menyelesaikan tugas pekerjaan pelabelan Anda:Pratinjau UI Pekerja.

Anda dapat membuat pekerjaan untuk menyesuaikan anotasi yang dibuat dalam pekerjaan pelabelan deteksi objek video menggunakan jenis tugas penyesuaian deteksi objek video. Untuk mempelajari selengkapnya, lihat Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi.

Pratinjau UI Pekerja

Ground Truth memberi pekerja antarmuka pengguna web (UI) untuk menyelesaikan tugas anotasi deteksi objek bingkai video Anda. Anda dapat melihat pratinjau dan berinteraksi dengan UI pekerja saat membuat pekerjaan pelabelan di konsol. Jika Anda pengguna baru, sebaiknya buat pekerjaan pelabelan melalui konsol menggunakan kumpulan data input kecil untuk melihat pratinjau UI pekerja dan memastikan bingkai video, label, dan atribut label muncul seperti yang diharapkan.

UI menyediakan pekerja dengan alat pelabelan bantu berikut untuk menyelesaikan tugas deteksi objek Anda:

Video berikut menunjukkan bagaimana pekerja dapat menggunakan UI pekerja dengan alat kotak pembatas untuk menyelesaikan tugas deteksi objek Anda.

Membuat Pekerjaan Pelabelan Deteksi Objek Bingkai Video

Anda dapat membuat pekerjaan pelabelan deteksi objek bingkai video menggunakan konsol SageMaker AI atau operasi CreateLabelingJob API.

Bagian ini mengasumsikan bahwa Anda telah meninjau Referensi pekerjaan pelabelan bingkai video dan telah memilih jenis data input dan koneksi dataset input yang Anda gunakan.

Membuat Pekerjaan Pelabelan (Konsol)

Anda dapat mengikuti petunjuk di Membuat Pekerjaan Pelabelan (Konsol) untuk mempelajari cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI. Pada langkah 10, pilih Video - Deteksi objek dari daftar dropdown kategori tugas. Pilih jenis tugas yang Anda inginkan dengan memilih salah satu kartu di pemilihan tugas.

Membuat Pekerjaan Pelabelan (API)

Anda membuat pekerjaan pelabelan deteksi objek menggunakan operasi SageMaker APICreateLabelingJob. API ini mendefinisikan operasi ini untuk semua AWS SDK. Untuk melihat daftar SDK khusus bahasa yang didukung untuk operasi ini, tinjau bagian Lihat Juga dari. CreateLabelingJob

Membuat Pekerjaan Pelabelan (API)memberikan gambaran umum tentang CreateLabelingJob operasi. Ikuti petunjuk ini dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda:

Berikut ini adalah contoh permintaan AWS Python SDK (Boto3) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia Utara).

response = client.create_labeling_job(
    LabelingJobName='example-video-od-labeling-job,
    LabelAttributeName='label',
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': 's3://amzn-s3-demo-bucket/path/video-frame-sequence-input-manifest.json'
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://amzn-s3-demo-bucket/prefix/file-to-store-output-data',
        'KmsKeyId': 'string'
    },
    RoleArn='arn:aws:iam::*:role/*,
    LabelCategoryConfigS3Uri='s3://bucket/prefix/label-categories.json',
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*',
        'UiConfig': {
            'HumanTaskUiArn: 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/VideoObjectDetection'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoObjectDetection',
        'TaskKeywords': [
            'Video Frame Object Detection',
        ],
        'TaskTitle': 'Video frame object detection task',
        'TaskDescription': 'Classify and identify the location of objects and people in video frames',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoObjectDetection'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi

Anda dapat membuat pekerjaan pelabelan penyesuaian dan verifikasi menggunakan konsol Ground Truth atau CreateLabelingJob API. Untuk mempelajari selengkapnya tentang pekerjaan pelabelan penyesuaian dan verifikasi, serta mempelajari cara membuatnya, lihatVerifikasi dan penyesuaian label.

Format Data Keluaran

Saat Anda membuat pekerjaan pelabelan deteksi objek bingkai video, tugas dikirim ke pekerja. Saat pekerja ini menyelesaikan tugasnya, label ditulis ke lokasi keluaran Amazon S3 yang Anda tentukan saat membuat pekerjaan pelabelan. Untuk mempelajari format data keluaran deteksi objek bingkai video, lihatOutput deteksi objek bingkai video. Jika Anda adalah pengguna baru Ground Truth, lihat Pelabelan data keluaran pekerjaan untuk mempelajari lebih lanjut tentang format data output Ground Truth.