使用 Amazon Sagemaker Ground Truth 任務 - Amazon Lookout for Vision
Image classification影像分割 使用 Amazon SageMaker AI Ground Truth 標記映像建立資料集

支援終止通知：在 2025 年 10 月 31 日， AWS 將停止對 Amazon Lookout for Vision 的支援。2025 年 10 月 31 日之後，您將無法再存取 Lookout for Vision 主控台或 Lookout for Vision 資源。如需詳細資訊，請造訪此部落格文章。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

使用 Amazon Sagemaker Ground Truth 任務

標記影像可能需要很長的時間。例如，在異常周圍準確繪製遮罩可能需要 10 秒。如果您有 100 個影像，可能需要幾個小時才能標記。除了自行標記映像之外，請考慮使用 Amazon SageMaker Ground Truth。

使用 Amazon SageMaker AI Ground Truth，您可以使用您選擇的廠商公司 Amazon Mechanical Turk 的工作者，或建立一組已標籤的私有人力資源。如需詳細資訊，請參閱使用 Amazon SageMaker AI Ground Truth 來標籤資料。

使用 Amazon Mechanical Turk 需要付費。此外，完成 Amazon Ground Truth 標籤工作可能需要幾天的時間。如果成本有問題，或者您需要快速訓練模型，建議您使用 Amazon Lookout for Vision 主控台來標記映像。

您可以使用 Amazon SageMaker AI Ground Truth 標籤工作來標記適合影像分類模型和影像分割模型的影像。任務完成後，您可以使用輸出資訊清單檔案來建立 Amazon Lookout for Vision 資料集。

Image classification

若要標記影像分類模型的影像，請為影像分類 （單一標籤） 任務建立標籤工作。

影像分割

若要標記影像分割模型的影像，請為影像分類 （單一標籤） 任務建立標籤任務。然後，將任務鏈結為影像語意分割任務建立標籤任務。

您也可以使用標籤工作來建立影像分割模型的部分資訊清單檔案。例如，您可以使用影像分類 （單一標籤） 任務來分類影像。使用任務輸出建立 Lookout for Vision 資料集之後，請使用 Amazon Lookout for Vision 主控台將分割遮罩和異常標籤新增至資料集影像。

使用 Amazon SageMaker AI Ground Truth 標記映像

下列程序說明如何使用 Amazon SageMaker AI Ground Truth 映像標籤任務來標記映像。程序會建立影像分類資訊清單檔案，並選擇性地鏈結影像標籤任務，以建立影像分割資訊清單檔案。如果您希望專案有單獨的測試資料集，請重複此程序來建立測試資料集的資訊清單檔案。

使用 Amazon SageMaker AI Ground Truth （主控台） 標記映像

  1. 遵循建立標籤任務 （主控台） 中的指示，為影像分類 （單一標籤） 任務建立 Ground Truth 任務。

    1. 對於步驟 10，從任務類別下拉式功能表中選擇映像，然後選擇映像分類 （單一標籤） 做為任務類型。

    2. 對於步驟 16，在影像分類 （單一標籤） 標籤工具區段中，新增兩個標籤：正常和異常。

  2. 等到人力資源完成影像的分類。

  3. 如果您要為影像分割模型建立資料集，請執行下列動作。否則請前往步驟 4。

    1. 在 Amazon SageMaker AI Ground Truth 主控台中，開啟標籤任務頁面。

    2. 選擇您先前建立的任務。這樣會啟用動作功能表。

    3. 從動作功能表中，選擇串連。任務詳細資訊頁面隨即開啟。

    4. 在任務類型中，選擇語意分割。

    5. 選擇 Next (下一步)。

    6. 在語意分割標籤工具區段中，為您希望模型尋找的每種異常類型新增異常標籤。

    7. 選擇 Create (建立)。

    8. 等到人力標記您的映像。

  4. 開啟 Ground Truth 主控台並開啟標籤工作頁面。

  5. 如果您要建立映像分類模型，請選擇您在步驟 1 中建立的任務。如果您要建立影像分割模型，請選擇步驟 3 中建立的任務。

  6. 在標記任務摘要中，開啟輸出資料集位置中的 S3 位置。 請注意資訊清單檔案位置，應該是 s3://output-dataset-location/manifests/output/output.manifest。

  7. 如果您想要為測試資料集建立資訊清單檔案，請重複此程序。否則，請依照 的指示，使用資訊清單檔案建立資料集建立資料集。

建立資料集

使用此程序在 Lookout for Vision 專案中建立資料集，其中包含您在 的步驟 6 中記下的資訊清單檔案 使用 Amazon SageMaker AI Ground Truth 標記映像。資訊清單檔案會為單一資料集專案建立訓練資料集。如果您希望專案有單獨的測試資料集，您可以執行另一個 Amazon SageMaker AI Ground Truth 任務，為測試資料集建立資訊清單檔案。或者，您可以自行建立資訊清單檔案。您也可以從 Amazon S3 儲存貯體或本機電腦將映像匯入測試資料集。（在您可以訓練模型之前，影像可能需要加上標籤）。

此程序假設您的專案沒有任何資料集。

使用 Lookout for Vision （主控台） 建立資料集

  1. 開啟 Amazon Lookout for Vision 主控台，網址為 https：//https://console.aws.amazon.com/lookoutvision/。

  2. 選擇開始使用。

  3. 在左側導覽視窗中，選擇專案。

  4. 選擇您要新增以搭配資訊清單檔案使用的專案。

  5. 在運作方式區段中，選擇建立資料集。

  6. 選擇單一資料集索引標籤或分開訓練和測試資料集索引標籤，然後依照步驟進行。

    Single dataset

    1. 選擇建立單一資料集。

    2. 在映像來源組態區段中，選擇匯入由 SageMaker Ground Truth 標記的映像。

    3. 對於 .manifest 檔案位置，輸入您在 的步驟 6 中記下的資訊清單檔案的位置 使用 Amazon SageMaker AI Ground Truth 標記映像。

    Separate training and test datasets

    1. 選擇建立訓練資料集和測試資料集。

    2. 在訓練資料集詳細資訊區段中，選擇匯入由 SageMaker Ground Truth 標記的影像。

    3. 在 .manifest 檔案位置中，您在 的步驟 6 中記下的資訊清單檔案位置 使用 Amazon SageMaker AI Ground Truth 標記映像。

    4. 在測試資料集詳細資訊區段中，選擇匯入由 SageMaker Ground Truth 標記的影像。

    5. 在 .manifest 檔案位置中，您在 的步驟 6 中記下的資訊清單檔案位置 使用 Amazon SageMaker AI Ground Truth 標記映像。請記住，您需要測試資料集的個別資訊清單檔案。

  7. 選擇提交。

  8. 請遵循 培訓您的模型 中的步驟訓練模型。