As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Verificação e ajuste do rótulo
Quando os rótulos em um conjunto de dados precisam ser validados, o Amazon SageMaker Ground Truth fornece a funcionalidade para que os funcionários verifiquem se os rótulos estão corretos ou ajustem os rótulos anteriores. Estes tipos de tarefas se enquadram em duas categorias distintas:
-
Verificação do rótulo — os operadores indicam se os rótulos existentes estão corretos, ou classificam a qualidade, e podem adicionar comentários para explicar o raciocínio. Os operadores não poderão modificar ou ajustar os rótulos.
Se você criar um trabalho de verificação ou ajuste de rótulo de quadro de vídeo ou nuvem de pontos 3D, poderá optar por tornar os atributos da categoria do rótulo (não compatível com a segmentação semântica da nuvem de pontos 3D) e os atributos do quadro editáveis pelos operadores.
-
Ajuste do rótulo — Os operadores ajustam as anotações anteriores e, se aplicável, os atributos da categoria e da moldura dos rótulos para corrigi-las.
Os seguintes tipos de tarefas integradas do Ground Truth oferecem suporte a trabalhos de ajuste e rotulagem de verificação:
-
Caixa delimitadora
-
Segmentação semântica
-
Detecção de objetos de nuvem de pontos 3D, rastreamento de objetos de nuvem de pontos 3D e segmentação de semântica de nuvem de pontos 3D
-
Todos os tipos de tarefas de detecção de objetos de quadro de vídeo e rastreamento de objetos de quadro de vídeo — caixa delimitadora, linha poligonal, polígono e ponto principal
dica
Para trabalhos de verificação de rotulagem de quadros de vídeo e nuvem de pontos 3D, é recomendável adicionar novos atributos de categorias de rótulo ou atributos de quadro ao trabalho de rotulagem. Os operadores podem usar esses atributos para verificar rótulos individuais ou o quadro inteiro. Para saber mais sobre a categoria de rótulo e os atributos de quadro, consulte Interface de usuário (UI) do trabalhador para nuvem de pontos 3D e Interface de usuário (UI) do trabalhador para quadro de vídeo.
Você pode iniciar um trabalho de verificação e ajuste de etiquetas usando o SageMaker console ou API o.
Precauções e considerações
Para obter o comportamento esperado ao criar um trabalho de verificação ou de ajuste de rótulo, verifique cuidadosamente os dados de entrada.
-
Se você estiver usando dados de imagem, verifique se o arquivo de manifesto contém informações de cores hexadecimaisRGB.
-
Para economizar em custos de processamento, filtre os dados para garantir que não está incluindo objetos indesejados no manifesto de entrada do trabalho de rotulagem.
-
Adicione as permissões necessárias do Amazon S3 para garantir que os dados de entrada sejam processados corretamente.
Ao criar uma tarefa de etiquetagem de ajuste ou verificação usando o Ground TruthAPI, você deve usar uma tarefa de etiquetagem LabelAttributeName diferente da original.
Requisitos de informações de cores para trabalhos de segmentação semântica
Para reproduzir adequadamente as informações de cores em tarefas de verificação ou ajuste, a ferramenta requer informações de RGB cores hexadecimais no manifesto (por exemplo, # FFFFFF para branco). Quando você configura um trabalho de verificação ou de ajuste de segmentação semântica, a ferramenta examina o manifesto para determinar se essa informação está presente. Se não conseguir encontrá-la, o Amazon SageMaker Ground Truth exibirá uma mensagem de erro e a configuração do trabalho será encerrada.
Nas iterações anteriores da ferramenta de segmentação semântica, as informações de cor da categoria não eram enviadas em formato hexadecimal RGB para o manifesto de saída. Esse recurso foi apresentado no manifesto de saída ao mesmo tempo que os fluxos de trabalho de verificação e de ajuste foram apresentados. Portanto, os manifestos de saída mais antigos não são compatíveis com este novo fluxo de trabalho.
Filtre seus dados antes de iniciar o trabalho
O Amazon SageMaker Ground Truth processa todos os objetos em seu manifesto de entrada. Se tiver um conjunto de dados parcialmente rotulado, talvez você queira criar um manifesto personalizado usando a opção Selecionar consulta do Amazon S3 no manifesto de entrada. Haverá falha individual nos objetos não rotulados, mas isso não causará falha no trabalho e poderá incorrer em custos de processamento. Filtrar objetos que não deseja verificar reduzirá os custos.
Se você criar um trabalho de verificação usando o console, é possível usar as ferramentas de filtragem fornecidas aqui. Se você criar trabalhos usando oAPI, torne a filtragem de seus dados parte do seu fluxo de trabalho quando necessário.
Tópicos
