本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
使用边界框对图像对象进行分类
用于训练机器学习模型的图像通常包含多个对象。要对图像中的一个或多个对象进行分类和本地化,请使用 Amazon G SageMaker round Truth 边界框贴标任务类型。在这种情况下,本地化意味着边界框的像素位置。您可以使用亚马逊 SageMaker 控制台的 Ground Truth 部分或CreateLabelingJob
操作来创建定界箱贴标任务。
重要
对于此任务类型,如果您创建自己的清单文件,请使用 "source-ref"
识别 Amazon S3 中您要标注的每个图像文件的位置。有关更多信息,请参阅 输入数据。
创建边界框标注作业(控制台)
您可以按照说明学习创建标注作业(控制台)如何在 SageMaker 控制台中创建边界框标签作业。在步骤 10 中,从任务类别下拉菜单中选择图像,然后选择边界框作为任务类型。
Ground Truth 为标注任务提供类似于以下内容的工作人员 UI。使用控制台创建标注作业时,需要指定有助于工作人员完成作业的说明,以及工作人员最多可以选择的 50 个标签。
创建边界框标注 Job () API
要创建定界框标注作业,请使用 SageMaker API操作CreateLabelingJob
。这为所有人API定义了此操作 Amazon SDKs。要查看此操作SDKs支持的特定语言列表,请查看的 “另请参阅” 部分。CreateLabelingJob
请按照创建标注作业 (API)中的说明进行操作,并在配置请求时执行以下操作:
-
此任务类型的注释前 Lambda 函数以
PRE-BoundingBox
结尾。要查找您所在地区的预注释 ARN Lambda,请参阅。PreHumanTaskLambdaArn -
此任务类型的注释合并 Lambda 函数以
ACS-BoundingBox
结尾。要查找您所在地区的注释合并 Lambd ARN a,请参阅。AnnotationConsolidationLambdaArn
以下是在美国东部 SDK(弗吉尼亚北部)地区创建标签任务的Amazon Python (Boto3) 请求
response = client.create_labeling_job( LabelingJobName=
'example-bounding-box-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-BoundingBox', 'TaskKeywords': ['Bounding Box'
, ], 'TaskTitle':'Bounding Box task'
, 'TaskDescription':'Draw bounding boxes around objects in an image'
, 'NumberOfHumanWorkersPerDataObject':123
, 'TaskTimeLimitInSeconds':123
, 'TaskAvailabilityLifetimeInSeconds':123
, 'MaxConcurrentTaskCount':123
, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414
:function:ACS-BoundingBox' } }, Tags=[ { 'Key':'string'
, 'Value':'string'
}, ] )
为边界框标注作业提供模板
如果您使用创建标签作业API,则必须在中提供工作人员任务模板UiTemplateS3Uri
。复制并修改以下模板。仅修改 short-instructions
、full-instructions
和 header
。将此模板上传到 S3,并在中URI为该文件提供 S3 UiTemplateS3Uri
。
边界框输出数据
创建边界框标签任务后,您的输出数据将位于使用时S3OutputPath
参数中指定的 Amazon S3 存储桶中,API或者位于控制台任务概述部分的输出数据集位置字段中。
例如,成功完成的单类边界框任务的输出清单文件将包含以下内容:
[ { "boundingBox": { "boundingBoxes": [ { "height": 2832, "label": "bird", "left": 681, "top": 599, "width": 1364 } ], "inputImageProperties": { "height": 3726, "width": 2662 } } } ]
boundingBoxes
参数标识围绕标识为“鸟”的对象绘制的边界框相对于图像左上角的位置,该位置被认为是 (0,0) 像素坐标。在上一个示例中,left
和 top
确定边界框左上角的像素相对于图像左上角的位置。边界框的尺寸使用 height
和 width
进行标识。inputImageProperties
参数给出原始输入图像的像素尺寸。
当您使用边界框任务类型时,您可以创建单类和多类边界框标注作业。成功完成的多类边界框的输出清单文件将包含以下内容:
[ { "boundingBox": { "boundingBoxes": [ { "height": 938, "label": "squirrel", "left": 316, "top": 218, "width": 785 }, { "height": 825, "label": "rabbit", "left": 1930, "top": 2265, "width": 540 }, { "height": 1174, "label": "bird", "left": 748, "top": 2113, "width": 927 }, { "height": 893, "label": "bird", "left": 1333, "top": 847, "width": 736 } ], "inputImageProperties": { "height": 3726, "width": 2662 } } } ]
要了解有关边界框标注作业产生的输出清单文件的更多信息,请参阅边界框任务输出。
要了解有关 Ground Truth 生成的输出清单文件以及 Ground Truth 用来存储输出数据的文件结构的更多信息,请参阅标注任务输出数据。