기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
이미지 분류(단일 레이블)
작업자가 지정한 사전 정의된 레이블을 사용하여 이미지를 분류해야 하는 경우 Amazon SageMaker Ground Truth 이미지 분류 레이블 지정 작업을 사용하십시오. 작업자에게 이미지가 표시되고 각 이미지에 대해 하나의 레이블 선택하라는 메시지가 표시됩니다.
Amazon SageMaker 콘솔의 Ground Truth 섹션 또는 작업을 사용하여 이미지 분류 레이블 지정 CreateLabelingJob
작업을 생성할 수 있습니다.
중요
이 작업 유형에서 고유한 매니페스트 파일을 생성할 경우, "source-ref"
을(를) 사용하여 Amazon S3에서 레이블을 지정할 각 이미지의 위치를 식별하세요. 자세한 내용은 입력 데이터 단원을 참조하십시오.
이미지 분류 레이블 지정 작업 생성(콘솔)
지침에 따라 SageMaker 콘솔에서 이미지 분류 라벨링 작업을 생성하는 레이블 지정 작업 생성(콘솔) 방법을 배울 수 있습니다. 10단계에서는 작업 범주 드롭다운 메뉴에서 이미지를 선택한 다음, 작업 유형으로 이미지 분류(단일 레이블)를 선택하세요.
Ground Truth는 레이블 지정 작업에 대해 다음과 유사한 작업자 UI를 제공합니다. 콘솔을 사용하여 레이블 지정 작업을 생성할 때 작업자가 작업을 완료하는 데 도움이 되는 지침과 작업자가 선택할 수 있는 레이블을 지정합니다.
![Ground Truth에서 제공하는 라벨링 작업을 위한 작업자 UI 예시.](images/image-classification-example.png)
이미지 분류 라벨링 작업 생성 (API)
이미지 분류 레이블 지정 작업을 만들려면 SageMaker API 작업을 사용하십시오CreateLabelingJob
. 이는 모두를 위한 이 작업을 API 정의합니다 AWS SDKs. 이 작업에 SDKs 지원되는 언어별 목록을 보려면 의 관련 항목 섹션을 검토하십시오. CreateLabelingJob
레이블 지정 작업 생성(API)의 지침에 따라 요청을 구성하는 동안 다음을 수행합니다.
-
이 작업 유형에 대한 주석 전 Lambda 함수는
PRE-ImageMultiClass
로 끝납니다. 해당 지역의 사전 주석이 달린 Lambda를 찾으려면 을 참조하십시오ARN. PreHumanTaskLambdaArn -
이 작업 유형에 대한 주석 통합 Lambda 함수는
ACS-ImageMultiClass
로 끝납니다. 해당 지역의 주석 통합 ARN Lambda를 찾으려면 을 참조하십시오. AnnotationConsolidationLambdaArn
다음은 미국 동부 SDK(버지니아 북부) 지역에서 라벨링 작업을 생성하기 위한AWS Python (Boto3) 요청의
response = client.create_labeling_job( LabelingJobName=
'example-image-classification-labeling-job'
, LabelAttributeName='label'
, InputConfig={ 'DataSource': { 'S3DataSource': { 'ManifestS3Uri':'s3://bucket/path/manifest-with-input-data.json'
} }, 'DataAttributes': { 'ContentClassifiers': ['FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent'
, ] } }, OutputConfig={ 'S3OutputPath':'s3://bucket/path/file-to-store-output-data'
, 'KmsKeyId':'string'
}, RoleArn='arn:aws:iam::*:role/*
, LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json'
, StoppingConditions={ 'MaxHumanLabeledObjectCount':123
, 'MaxPercentageOfInputDatasetLabeled':123
}, HumanTaskConfig={ 'WorkteamArn':'arn:aws:sagemaker:region:*:workteam/private-crowd/*'
, 'UiConfig': { 'UiTemplateS3Uri':'s3://bucket/path/worker-task-template.html'
}, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414
:function:PRE-ImageMultiClass, 'TaskKeywords': [Image classification'
, ], 'TaskTitle':Image classification task'
, 'TaskDescription':'Carefully inspect the image and classify it by selecting one label from the categories provided.'
, 'NumberOfHumanWorkersPerDataObject':123
, 'TaskTimeLimitInSeconds':123
, 'TaskAvailabilityLifetimeInSeconds':123
, 'MaxConcurrentTaskCount':123
, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414
:function:ACS-ImageMultiClass' }, Tags=[ { 'Key':'string'
, 'Value':'string'
}, ] )
이미지 분류 레이블 지정 작업을 위한 템플릿 제공
를 사용하여 라벨링 작업을 생성하는 경우 작업자 작업 템플릿을 입력해야 합니다. API UiTemplateS3Uri
다음 템플릿을 복사하고 수정합니다. short-instructions
, full-instructions
및 header
만 수정합니다.
이 템플릿을 S3에 업로드하고 에서 이 파일의 URI S3를 제공하십시오UiTemplateS3Uri
.
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script> <crowd-form> <crowd-image-classifier name="crowd-image-classifier" src="{{ task.input.taskObject | grant_read_access }}" header="please classify" categories="{{ task.input.labels | to_json | escape }}" > <full-instructions header="Image classification instructions"> <ol><li><strong>Read</strong> the task carefully and inspect the image.</li> <li><strong>Read</strong> the options and review the examples provided to understand more about the labels.</li> <li><strong>Choose</strong> the appropriate label that best suits the image.</li></ol> </full-instructions> <short-instructions> <h3><span style="color: rgb(0, 138, 0);">Good example</span></h3> <p>Enter description to explain the correct label to the workers</p> <h3><span style="color: rgb(230, 0, 0);">Bad example</span></h3><p>Enter description of an incorrect label</p> </short-instructions> </crowd-image-classifier> </crowd-form>
이미지 분류 출력 데이터
이미지 분류 레이블 지정 작업을 생성하고 나면, 콘솔의 Job overview 섹션의 출력 데이터세트 위치 필드 API 또는 사용 시 S3OutputPath
파라미터에 지정된 Amazon S3 버킷에 출력 데이터가 배치됩니다.
Ground Truth에서 생성된 출력 매니페스트 파일 및 Ground Truth에서 출력 데이터 저장에 사용하는 파일 구조의 세부 정보는 출력 데이터을(를) 참조하세요.
이미지 분류 레이블 지정 작업에 대한 출력 매니페스트 파일의 예제를 보려면 분류 작업 출력 단원을 참조하세요.