非终止性 JSON 行验证错误 - Rekognition
ERROR_MISSING_SOURCE_REFERROR_INVALID_SOURCE_REF_FORMATERROR_NO_LABEL_ATTRIBUTESERROR_INVALID_LABEL_ATTRIBUTE_FORMATERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMATERROR_NO_VALID_LABEL_ATTRIBUTESERROR_MISSING_BOUNDING_BOX_CONFIDENCEERROR_MISSING_CLASS_MAP_IDERROR_INVALID_JSON_LINEERROR_INVALID_IMAGEERROR_INVALID_IMAGE_DIMENSIONERROR_INVALID_BOUNDING_BOXERROR_NO_VALID_ANNOTATIONSERROR_BOUNDING_BOX_TOO_SMALLERROR_TOO_MANY_BOUNDING_BOXESWARNING_UNANNOTATED_RECORDWARNING_NO_ANNOTATIONSWARNING_NO_ATTRIBUTE_ANNOTATIONSERROR_UNSUPPORTED_USE_CASE_TYPEERROR_INVALID_LABEL_NAME_LENGTH

非终止性 JSON 行验证错误

本主题列出了 Amazon Rekognition Custom Labels 在训练期间报告的非终止性 JSON 行验证错误。这些错误会在训练和测试验证清单中报告。有关更多信息，请参阅 了解训练和测试验证结果清单。可以通过更新训练或测试清单文件中的 JSON 行来修复非终止性 JSON 行错误。您也可以从清单中删除相关的 JSON 行，但这样做可能会降低模型的质量。如果非终止性验证错误太多，您可能会发现重新创建清单文件更容易。验证错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 创建清单文件。有关修复验证错误的信息，请参阅修复训练错误。有些错误可以使用 Amazon Rekognition Custom Labels 控制台修复。

ERROR_MISSING_SOURCE_REF

错误消息

缺少 source-ref 键。

更多信息

JSON 行的 source-ref 字段提供图像的 Amazon S3 位置。如果 source-ref 键缺失或拼写错误，便会发生此错误。此错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 创建清单文件。

修复 ERROR_MISSING_SOURCE_REF

  1. 检查 source-ref 键是否存在且拼写正确。完整的 source-ref 键和值类似如下："source-ref": "s3://bucket/path/image"。

  2. 更新 JSON 行中的 source-ref 键。或者，从清单文件中删除该 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_INVALID_SOURCE_REF_FORMAT

错误消息

source-ref 值的格式无效。

更多信息

JSON 行中具有 source-ref 键，但 Amazon S3 路径的架构不正确。例如，路径是 https://.... 而不是 S3://....。ERROR_INVALID_SOURCE_REF_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 创建清单文件。

修复 ERROR_INVALID_SOURCE_REF_FORMAT

  1. 检查架构是否为 "source-ref": "s3://bucket/path/image"。例如，"source-ref": "s3://custom-labels-console-us-east-1-1111111111/images/000000242287.jpg"。

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此 ERROR_INVALID_SOURCE_REF_FORMAT。

ERROR_NO_LABEL_ATTRIBUTES

错误消息

未找到标签属性。

更多信息

标签属性或标签属性 -metadata 键名（或两者）无效或缺失。在以下示例中，每当缺少 bounding-box 或 bounding-box-metadata 键（或两者）时都会发生 ERROR_NO_LABEL_ATTRIBUTES。有关更多信息，请参阅 创建清单文件。

{
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

ERROR_NO_LABEL_ATTRIBUTES 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 创建清单文件。

修复 ERROR_NO_LABEL_ATTRIBUTES

  1. 检查标签属性标识符和标签属性标识符 -metadata 键是否存在，以及键名称拼写是否正确。

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复 ERROR_NO_LABEL_ATTRIBUTES。

ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

错误消息

标签属性 {} 的格式无效。

更多信息

标签属性键的架构缺失或无效。ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅创建清单文件。

修复 ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

  1. 检查 JSON 行的标签属性键部分是否正确。在以下物体位置示例中，image_size 和 annotations 对象必须正确。该标签属性键名为 bounding-box。

    	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT

错误消息

标签属性元数据的格式无效。

更多信息

标签属性元数据键的架构缺失或无效。ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 创建清单文件。

修复 ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

  1. 检查标签属性元数据键的 JSON 行架构是否与以下示例类似。该标签属性元数据键名为 bounding-box-metadata。

    	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_NO_VALID_LABEL_ATTRIBUTES

错误消息

未找到有效的标签属性。

更多信息

在 JSON 行中未找到有效的标签属性。Amazon Rekognition Custom Labels 会同时检查标签属性和标签属性标识符。ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅创建清单文件。

如果 JSON 行不是受支持的 SageMaker 清单格式，Amazon Rekognition Custom Labels 会将 JSON 行标记为无效并报告 ERROR_NO_VALID_LABEL_ATTRIBUTES 错误。目前，Amazon Rekognition Custom Labels 支持分类作业和边界框格式。有关更多信息，请参阅 创建清单文件。

修复 ERROR_NO_VALID_LABEL_ATTRIBUTES

  1. 检查 JSON 行中的标签属性键和标签属性元数据是否正确。

  2. 更新或移除清单文件中的相关 JSON 行。有关更多信息，请参阅 创建清单文件。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_MISSING_BOUNDING_BOX_CONFIDENCE

错误消息

一个或多个边界框缺少置信度值。

更多信息

一个或多个物体位置边界框缺少 confidence 键。边界框的 confidence 键位于标签属性元数据中，如以下示例中所示。ERROR_MISSING_BOUNDING_BOX_CONFIDENCE 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 清单文件中的物体定位。

	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
修复 ERROR_MISSING_BOUNDING_BOX_CONFIDENCE

  1. 检查标签属性中的 objects 数组包含的 confidence 键数量是否与标签属性 annotations 数组中的对象数量相同。

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_MISSING_CLASS_MAP_ID

错误消息

类别映射中缺少一个或多个类别 ID。

更多信息

注释（边界框）对象中的 class_id 在标签属性元数据类别映射 (class-map) 中没有匹配的条目。有关更多信息，请参阅 清单文件中的物体定位。ERROR_MISSING_CLASS_MAP_ID 错误通常发生在手动创建的清单文件中。

修复 ERROR_MISSING_CLASS_MAP_ID

  1. 检查每个注释（边界框）对象中的 class_id 值在 class-map 数组中是否具有对应的值，如以下示例中所示。annotations 数组和 class_map 数组具有的元素数量应该相同。

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1, 
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		}, 
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_INVALID_JSON_LINE

错误消息

JSON 行的格式无效。

更多信息

在 JSON 行中发现了意外字符。JSON 行被替换成了仅包含错误信息的新 JSON 行。ERROR_INVALID_JSON_LINE 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 清单文件中的物体定位。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

修复 ERROR_INVALID_JSON_LINE

  1. 打开清单文件并导航到发生 ERROR_INVALID_JSON_LINE 错误的 JSON 行。

  2. 检查该 JSON 行是否包含无效字符，以及是否缺少必要的 ; 或 , 字符。

  3. 更新或移除清单文件中的相关 JSON 行。

ERROR_INVALID_IMAGE

错误消息

图像无效。请检查 S3 路径和/或图像属性。

更多信息

source-ref 引用的文件不是有效的图像。可能的原因包括图像的宽高比、图像大小和图像格式。

有关更多信息，请参阅 Amazon Rekognition Custom Labels 中的准则和配额。

修复 ERROR_INVALID_IMAGE

  1. 检查以下事项。

    • 图像的宽高比是否小于 20:1。

    • 图像大小是否大于 15 MB。

    • 图像是否为 PNG 或 JPEG 格式。

    • source-ref 中的图像路径是否正确。

    • 图像的最小图像尺寸是否大于 64 像素 x 64 像素。

    • 图像的最大图像尺寸是否大于 4096 像素 x 4096 像素。

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_INVALID_IMAGE_DIMENSION

错误消息

图像尺寸不符合允许的尺寸。

更多信息

source-ref 引用的图像不符合允许的图像尺寸。最小尺寸为 64 像素。最大尺寸为 4096 像素。会针对带边界框的图像报告 ERROR_INVALID_IMAGE_DIMENSION。

有关更多信息，请参阅 Amazon Rekognition Custom Labels 中的准则和配额。

修复 ERROR_INVALID_IMAGE_DIMENSION（控制台）

  1. 使用 Amazon Rekognition Custom Labels 能够处理的尺寸更新 Amazon S3 存储桶中的图像。

  2. 在 Amazon Rekognition Custom Labels 控制台中，执行以下操作：

    1. 从图像中移除现有的边界框。

    2. 将边界框重新添加到图像中。

    3. 保存您的更改。

    有关更多信息，请参阅 使用边界框标注物体。

修复 ERROR_INVALID_IMAGE_DIMENSION (SDK)

  1. 使用 Amazon Rekognition Custom Labels 能够处理的尺寸更新 Amazon S3 存储桶中的图像。

  2. 通过调用 ListDatasetEntries 获取该图像的现有 JSON 行。对于 SourceRefContains 输入参数，请指定图像的 Amazon S3 位置和文件名。

  3. 调用 UpdateDatasetEntries 并为图像提供 JSON 行。确保 source-ref 的值与 Amazon S3 存储桶中的图像位置匹配。更新边界框注释，使其与更新后的图像所需的边界框尺寸相匹配。

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2013-11-18T02:53:27",
		"job-name": "my job"
	}
}

ERROR_INVALID_BOUNDING_BOX

错误消息

边界框具有超出边框的值。

更多信息

边界框信息指定的图像要么不在图像边框内，要么包含负值。

有关更多信息，请参阅 Amazon Rekognition Custom Labels 中的准则和配额。

修复 ERROR_INVALID_BOUNDING_BOX

  1. 检查 annotations 数组中边界框的值。

    	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}]
	},

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_NO_VALID_ANNOTATIONS

错误消息

未找到有效的注释。

更多信息

JSON 行中的所有注释对象均不包含有效的边界框信息。

修复 ERROR_NO_VALID_ANNOTATIONS

  1. 更新 annotations 数组以包含有效的边界框对象。此外，请检查标签属性元数据中的相应边界框信息（confidence 和 class_map）是否正确。有关更多信息，请参阅 清单文件中的物体定位。

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [
		   {              
			"class_id": 1,    #annotation object
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [
		>{                
			"confidence": 1          #confidence  object
		}, 
        {
			"confidence": 1
		}],
		"class-map": {  
			"0": "Echo",    #label 
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

  2. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

ERROR_BOUNDING_BOX_TOO_SMALL

错误消息

边界框的高度和宽度太小。

更多信息

边界框尺寸（高度和宽度）必须大于 1 x 1 像素。

在训练过程中，如果图像的任何尺寸大于 1280 像素，Amazon Rekognition Custom Labels 就会调整图像的大小（源图像不受影响）。生成的边界框高度和宽度必须大于 1 x 1 像素。边界框位置存储在物体位置 JSON 行的 annotations 数组中。有关更多信息，请参阅 清单文件中的物体定位 

	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}]
	},

错误信息会被添加到注释对象中。

修复 ERROR_BOUNDING_BOX_TOO_SMALL

  • 选择以下任一选项。

    • 增大太小的边界框的大小。

    • 移除太小的边界框。有关移除边界框的信息，请参阅ERROR_TOO_MANY_BOUNDING_BOXES。

    • 从清单中移除图像（JSON 行）。

ERROR_TOO_MANY_BOUNDING_BOXES

错误消息

边界框的数量超出了允许的最大数量。

更多信息

边界框的数量超出了允许的最大数量 (50)。您可以在 Amazon Rekognition Custom Labels 控制台中移除多余的边界框，也可从 JSON 行中将其移除。

修复 ERROR_TOO_MANY_BOUNDING_BOXES（控制台）。

  1. 决定要移除哪些边界框。

  2. 通过以下网址打开 Amazon Rekognition 控制台：https://console.aws.amazon.com/rekognition/。

  3. 选择使用自定义标签。

  4. 选择开始。

  5. 在左侧导航窗格中，选择包含要使用的数据集的项目。

  6. 在数据集部分中，选择要使用的数据集。

  7. 在数据集库页面中，选择开始标注进入标注模式。

  8. 选择要从中移除边界框的图像。

  9. 选择绘制边界框。

  10. 在绘图工具中，选择要删除的边界框。

  11. 按键盘上的删除键即可删除边界框。

  12. 重复前面的 2 个步骤，直到删除了足够的边界框。

  13. 选择完成。

  14. 选择保存更改以保存您的更改。

  15. 选择退出，退出标注模式。

修复 ERROR_TOO_MANY_BOUNDING_BOXES（JSON 行）。

  1. 打开清单文件并导航到发生 ERROR_TOO_MANY_BOUNDING_BOXES 错误的 JSON 行。

  2. 对于要移除的每个边界框，移除以下内容。

    • 从 annotations 数组中移除所需的 annotation 对象。

    • 从标签属性元数据中的 objects 数组中移除相应的 confidence 对象。

    • 如果该标签不再被其他边界框使用，请从 class-map 中将其移除。

    使用以下示例来确定要移除的项目。

    {
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [
		   {              
			"class_id": 1,    #annotation object
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [
		>{                
			"confidence": 1          #confidence  object
		}, 
        {
			"confidence": 1
		}],
		"class-map": {  
			"0": "Echo",    #label 
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}

WARNING_UNANNOTATED_RECORD

警告消息

记录未添加注释。

更多信息

使用 Amazon Rekognition Custom Labels 控制台添加到数据集的图像未添加标签。图像对应的 JSON 行不会用于训练。

{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "warnings": [
        {
            "code": "WARNING_UNANNOTATED_RECORD",
            "message": "Record is unannotated."
        } 
    ]
}
修复 WARNING_UNANNOTATED_RECORD

WARNING_NO_ANNOTATIONS

警告消息

未提供注释。

更多信息

尽管由人工 (human-annotated = yes) 注释，但物体定位格式的 JSON 行不包含任何边界框信息。该 JSON 行有效，但不会用于训练。有关更多信息，请参阅 了解训练和测试验证结果清单。

{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "bounding-box": {
        "image_size": [
            {
                "width": 640,
                "height": 480,
                "depth": 3
            }
        ],
        "annotations": [
           
        ],
        "warnings": [
            {
                "code": "WARNING_NO_ATTRIBUTE_ANNOTATIONS",
                "message": "No attribute annotations were found."
            }
        ]
    },
    "bounding-box-metadata": {
        "objects": [
           
        ],
        "class-map": {
           
        },
        "type": "groundtruth/object-detection",
        "human-annotated": "yes",
        "creation-date": "2013-11-18 02:53:27",
        "job-name": "my job"
    },
    "warnings": [
        {
            "code": "WARNING_NO_ANNOTATIONS",
            "message": "No annotations were found."
        } 
    ]
}
修复 WARNING_NO_ANNOTATIONS

  • 选择以下任一选项。

    • 将边界框 (annotations) 信息添加到 JSON 行。有关更多信息，请参阅 清单文件中的物体定位。

    • 从清单中移除图像（JSON 行）。

WARNING_NO_ATTRIBUTE_ANNOTATIONS

警告消息

未提供属性注释。

更多信息

尽管由人工 (human-annotated = yes) 注释，但物体定位格式的 JSON 行不包含任何边界框注释信息。annotations 数组不存在或未填充。该 JSON 行有效，但不会用于训练。有关更多信息，请参阅 了解训练和测试验证结果清单。

{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "bounding-box": {
        "image_size": [
            {
                "width": 640,
                "height": 480,
                "depth": 3
            }
        ],
        "annotations": [
           
        ],
        "warnings": [
            {
                "code": "WARNING_NO_ATTRIBUTE_ANNOTATIONS",
                "message": "No attribute annotations were found."
            }
        ]
    },
    "bounding-box-metadata": {
        "objects": [
           
        ],
        "class-map": {
           
        },
        "type": "groundtruth/object-detection",
        "human-annotated": "yes",
        "creation-date": "2013-11-18 02:53:27",
        "job-name": "my job"
    },
    "warnings": [
        {
            "code": "WARNING_NO_ANNOTATIONS",
            "message": "No annotations were found."
        }
    ]
}
修复 WARNING_NO_ATTRIBUTE_ANNOTATIONS

  • 选择以下任一选项。

    • 将一个或多个边界框 annotation 对象添加到 JSON 行。有关更多信息，请参阅 清单文件中的物体定位。

    • 移除边界框属性。

    • 从清单中移除图像（JSON 行）。如果 JSON 行中存在其他有效的边界框属性，则可以仅从 JSON 行中移除无效的边界框属性。

ERROR_UNSUPPORTED_USE_CASE_TYPE

警告消息

更多信息

type 字段的值不是 groundtruth/image-classification 或 groundtruth/object-detection。有关更多信息，请参阅 创建清单文件。

{
    "source-ref": "s3://bucket/test_normal_8.jpg",
    "BB": {
        "annotations": [
            {
                "left": 1768,
                "top": 1007,
                "width": 448,
                "height": 295,
                "class_id": 0
            },
            {
                "left": 1794,
                "top": 1306,
                "width": 432,
                "height": 411,
                "class_id": 1
            },
            {
                "left": 2568,
                "top": 1346,
                "width": 710,
                "height": 305,
                "class_id": 2
            },
            {
                "left": 2571,
                "top": 1020,
                "width": 644,
                "height": 312,
                "class_id": 3
            }
        ],
        "image_size": [
            {
                "width": 4000,
                "height": 2667,
                "depth": 3
            }
        ]
    },
    "BB-metadata": {
        "job-name": "labeling-job/BB",
        "class-map": {
            "0": "comparator",
            "1": "pot_resistor",
            "2": "ir_phototransistor",
            "3": "ir_led"
        },
        "human-annotated": "yes",
        "objects": [
            {
                "confidence": 1
            },
            {
                "confidence": 1
            },
            {
                "confidence": 1
            },
            {
                "confidence": 1
            }
        ],
        "creation-date": "2021-06-22T09:58:34.811Z",
        "type": "groundtruth/wrongtype",
        "cl-errors": [
            {
                "code": "ERROR_UNSUPPORTED_USE_CASE_TYPE",
                "message": "The use case type of the BB-metadata label attribute metadata is unsupported. Check the type field."
            }
        ]
    },
    "cl-metadata": {
        "is_labeled": true
    },
    "cl-errors": [
        {
            "code": "ERROR_NO_VALID_LABEL_ATTRIBUTES",
            "message": "No valid label attributes found."
        }
    ]
}
修复 ERROR_UNSUPPORTED_USE_CASE_TYPE

  • 请选择以下选项之一：

    • 根据要创建的模型类型，将 type 字段的值更改为 groundtruth/image-classification 或 groundtruth/object-detection。有关更多信息，请参阅 创建清单文件。

    • 从清单中移除图像（JSON 行）。

ERROR_INVALID_LABEL_NAME_LENGTH

更多信息

标签名称的长度太长。最大长度为 256 个字符。

修复 ERROR_INVALID_LABEL_NAME_LENGTH

  • 请选择以下选项之一：

    • 将标签名称的长度减少到 256 个字符以内。

    • 从清单中移除图像（JSON 行）。