Beschriftungsverifizierung und Anpassung
Wenn die Beschriftungen eines Datensatzes validiert werden müssen, bietet Amazon SageMaker Ground Truth Funktionen, mit denen die Mitarbeiter die Richtigkeit der Beschriftungen überprüfen oder frühere Beschriftungen anpassen können. Diese Auftragstypen fallen in zwei verschiedene Kategorien:
-
Kennzeichnungsverifizierung – Die Mitarbeiter geben an, ob die vorhandenen Kennzeichnungen korrekt sind, oder bewerten deren Qualität und können zur Begründung Kommentare hinzufügen. Die Mitarbeiter können Beschriftungen nicht ändern oder anpassen.
Wenn Sie einen Auftrag zur Anpassung oder Verifizierung von 3D-Punktwolken- oder Videoframe-Beschriftung erstellen, können Sie festlegen, dass die Attribute der Kennzeichnungskategorien (nicht unterstützt für die semantische Segmentierung von 3D-Punktwolken) und die Frame-Attribute von Mitarbeitern bearbeitet werden können.
-
Beschriftungsanpassung – Mitarbeiter passen frühere Anmerkungen und ggf. die Kennzeichnungskategorie und Frame-Attribute an, um sie zu korrigieren.
Die folgenden in Ground Truth integrierten Aufgabentypen unterstützen Kennzeichnungsverifizierungs- und -anpassungsaufträge:
-
Begrenzungsrahmen
-
Semantische Segmentierung
-
Erkennung von 3D-Punktwolkenobjekten, Verfolgung von 3D-Punktwolkenobjekten und semantische Segmentierung von 3D-Punktwolken
-
Alle Aufgabentypen zur Erkennung und Verfolgung von Videoframe-Objekten – Begrenzungsrahmen, Polylinie, Polygon und Keypoint
Tipp
Für Aufgaben zur Überprüfung der Kennzeichnung von 3D-Punktwolken und Videoframes wird empfohlen, zum Kennzeichnungsauftrag neue Kennzeichnungskategorieattribute oder Frame-Attribute hinzuzufügen. Mitarbeiter können mit Hilfe dieser Attribute einzelne Beschriftungen oder den gesamten Rahmen überprüfen. Weitere Informationen zu Kennzeichnungskategorien und Frame-Attributen finden Sie unter Benutzeroberfläche (UI) für Auftragnehmer für 3D-Punktwolken und Benutzeroberfläche (UI) für Auftragnehmer für Videoframes.
Über die SageMaker-AI-Konsole oder die API können Sie einen Kennzeichnungsverifizierungs- und -anpassungsauftrag starten.
Vorsichtsmaßnahmen und Überlegungen
Um erwartetes Verhalten beim Erstellen eines Kennzeichnungsverifizierungs- oder Anpassungsauftrags zu erhalten, überprüfen Sie Ihre Eingabedaten sorgfältig.
-
Wenn Sie Bilddaten verwenden, achten Sie darauf, dass Ihre Manifestdatei hexadezimale RGB-Farbinformationen enthält.
-
Zur Einsparung von Verarbeitungskosten filtern Sie Ihre Daten, um sicherzustellen, dass Sie keine unerwünschten Objekte in das Eingabemanifest Ihres Kennzeichnungsauftrags einbeziehen.
-
Fügen Sie die erforderlichen Amazon S3-Berechtigungen hinzu, damit Ihre Eingabedaten korrekt verarbeitet werden.
Wenn Sie mithilfe der Ground Truth API einen Kennzeichnungsverifizierungs- oder -anpassungsauftrag erstellen, müssen Sie einen anderen LabelAttributeName verwenden als den ursprünglichen Kennzeichnungsauftrag.
Anforderungen an Farbinformationen für semantische Segmentierungsjobs
Um Farbinformationen bei Verifizierungs- oder Anpassungsaufgaben richtig zu reproduzieren, braucht das Werkzeug hexadezimale RGB-Farbinformationen im Manifest (z. B. #FFFFFF für Weiß). Bei der Einrichtung eines Verifizierungs- oder Anpassungsauftrags für semantische Segmentierung untersucht das Tool das Manifest, um festzustellen, ob diese Informationen vorhanden sind. Wenn es sie nicht finden kann, gibt Amazon SageMaker Ground Truth eine Fehlermeldung aus und beendet die Einrichtung für den Auftrag.
In früheren Iterationen des semantischen Segmentierungswerkzeugs wurden Farbinformationen für Kategorien nicht im hexadezimalen RGB-Format in das Ausgabemanifest ausgegeben. Diese Funktion wurde in das Ausgabemanifest eingeführt, als die Verifizierungs- und Anpassungs-Workflows eingeführt wurden. Daher sind ältere Ausgabemanifeste nicht mit diesem neuen Workflow kompatibel.
Filtern Ihrer Daten vor dem Starten des Jobs
Amazon SageMaker Ground Truth verarbeitet alle Objekte in Ihrem Eingabemanifest. Wenn Sie einen teilweise gekennzeichneten Datensatz haben, können Sie ein benutzerdefiniertes Manifest erstellen, indem Sie eine Amazon S3 Auswahlabfrage auf Ihr Eingabemanifest anwenden. Nicht gekennzeichnete Objekte schlagen einzeln fehl, führen jedoch nicht zum Fehlschlagen des Auftrags und verursachen möglicherweise Verarbeitungskosten. Durch Herausfiltern von Objekten, die Sie nicht verifiziert möchten, können Sie Kosten einsparen.
Wenn Sie einen Überprüfungsauftrag über die Konsole erstellen, können Sie die dort bereitgestellten Filterwerkzeuge verwenden. Wenn Sie Aufträge mit der API erstellen, machen Sie das Filtern Ihrer Daten bei Bedarf zum Bestandteil Ihres Workflows.
Themen
