Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Identifizieren Sie Objekte mithilfe der Videorahmen-Objekterkennung Sie können den Aufgabentyp zur Objekterkennung mit Videoframes verwenden, damit Auftragnehmer Objekte in einer Sequenz von Videoframes (aus einem Video extrahierte Bilder) mithilfe von Begrenzungsrahmen, Polylinien, Polygonen oder Werkzeugen zur *Keypoint-Anmerkung* identifizieren und lokalisieren können. Das von Ihnen gewählte Tool definiert den Aufgabentyp für Videoframes, den Sie erstellen. Sie können z. B. eine Aufgabe vom Typ Bounding-Box Videoframe-Objekterkennung verwenden, um verschiedene Objekte in einer Reihe von Videoframes zu identifizieren und zu lokalisieren, z. B. Autos, Fahrräder und Fußgänger. Sie können mithilfe der Amazon SageMaker AI Ground Truth Konsole, der SageMaker API und AWS SDKs sprachspezifisch einen Job zur Objekterkennung für Videobilder erstellen. Weitere Informationen hierzu finden Sie unter [Erstellen Sie einen Auftrag zur Erennung von Videoframe-Objekten](#sms-video-od-create-labeling-job), und wählen Sie Ihr bevorzugten Methode. Weitere Informationen zu den Annotationstools, aus denen Sie bei der Erstellung eines Beschriftungsauftrags wählen können, finden Sie unter [Aufgabentypen](sms-video-overview.md#sms-video-frame-tools). Ground Truth bietet eine Benutzeroberfläche und Tools für Auftragnehmer, mit denen Sie Ihre Beschriftungsauftragsaufgaben erledigen können: [Zeigen Sie eine Vorschau der Worker-Benutzeroberfläche an](#sms-video-od-worker-ui). Sie können einen Auftrag zur Anpassung von Anmerkungen erstellen, die in einem Beschriftungsauftrag zur Video-Objekterkennung erstellt wurden, indem Sie den Aufgabentyp Anpassung der Video-Objekterkennung verwenden. Weitere Informationen hierzu finden Sie unter [Auftrag zur Objekterkennung, -anpassung oder -verifizierung für Videoframes erstellen](#sms-video-od-adjustment). ## Zeigen Sie eine Vorschau der Worker-Benutzeroberfläche an Ground Truth stellt Auftragnehmern eine Web-Benutzerschnittstelle (UI) zur Verfügung, mit der sie ihre Aufgaben zur Erkennung von Videoframe-Objekten mit Anmerkungen erledigen können. Sie können eine Vorschau anzeigen und mit der Benutzeroberfläche für Auftragnehmer interagieren, wenn Sie einen Kennzeichnungsauftrag in der Konsole erstellen. Wenn Sie ein neuer Benutzer sind, empfehlen wir Ihnen, mithilfe eines kleinen Eingabedatensatzes einen Beschriftungsauftrag über die Konsole zu erstellen, um eine Vorschau der Worker-Benutzeroberfläche anzuzeigen und sicherzustellen, dass Ihre Videoframes, Beschriftungen und Beschriftungsattribute erwartungsgemäß angezeigt werden. Die Benutzeroberfläche bietet Auftragnehmern die folgenden unterstützenden Tools zur Beschriftung, mit denen sie ihre Aufgaben zur Objekterkennung ausführen können: + Für alle Aufgaben können Auftragnehmer die Funktionen **In nächstes kopieren** und **In alle kopieren** verwenden, um eine Anmerkung in den nächsten Frame bzw. in alle nachfolgenden Frames zu kopieren. + Für Aufgaben, die die Bounding-Box-Tools beinhalten, können Auftragnehmer die Funktion **Nächstes vorhersagen** verwenden, um einen Begrenzungsrahmen in einem einzigen Frame zu zeichnen, und Ground Truth dann die Position von Boxen mit derselben Beschriftungen in allen anderen Frames vorhersagen lassen. Auftragnehmer können dann Anpassungen vornehmen, um die vorhergesagte Position der Quader zu korrigieren. Das folgende Video zeigt, wie ein Auftragnehmer die Worker-Benutzeroberfläche mit dem Bounding-Box-Tool verwenden kann, um Ihre Aufgaben zur Objekterkennung zu erledigen. ![\[GIF, das zeigt, wie ein Auftragnehmer das Bounding-Box-Tool für seine Aufgaben zur Objekterkennung verwenden kann\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif) ## Erstellen Sie einen Auftrag zur Erennung von Videoframe-Objekten Sie können mithilfe der SageMaker AI-Konsole oder der [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)API-Operation einen Auftrag zur Objekterkennung für Videobilder erstellen. In diesem Abschnitt wird davon ausgegangen, dass Sie das überprüft [Referenz für Aufträge zur Kennzeichnung von Video-Frames](sms-video-overview.md) und den Typ der Eingabedaten und die von Ihnen verwendete Verbindung zum Eingabedatensatz ausgewählt haben. ### Erstellen eines Kennzeichnungsauftrags (Konsole) Sie können den Anweisungen unter folgen[Erstellen eines Kennzeichnungsauftrags (Konsole)](sms-create-labeling-job-console.md), um zu erfahren, wie Sie einen Videoframe-Objektverfolgungsauftrag in der SageMaker AI-Konsole erstellen. Wählen Sie in Schritt 10 aus der Dropdown-Liste für die **Aufgabenkategorie** die Option **Video – Objekterkennung** aus. Wählen Sie den gewünschten Aufgabentyp aus, indem Sie unter **Aufgabenauswahl** eine der Karten auswählen. ![\[Ein GIF, das zeigt, wie ein Videoframe-Objektverfolgungsauftrag in der SageMaker AI-Konsole erstellt wird.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/sms/video/task-type-vod.gif) ### Erstellen eines Kennzeichnungsauftrags (API) Mithilfe der SageMaker API-Operation erstellen Sie einen Label-Job zur Objekterkennung`CreateLabelingJob`. Diese API definiert diesen Vorgang für alle AWS SDKs. Eine Liste der sprachspezifischen Sprachen, die für diesen Vorgang SDKs unterstützt werden, **finden Sie im Abschnitt Siehe auch** von. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) [Erstellen eines Kennzeichnungsauftrags (API)](sms-create-labeling-job-api.md) bietet einen Überblick über die Operation `CreateLabelingJob`. Befolgen Sie diese Anweisungen, und führen Sie die folgenden Schritte aus, während Sie Ihre Anforderung konfigurieren: + Sie müssen einen ARN für `HumanTaskUiArn` eingeben. Verwenden Sie `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectDetection`. Ersetzen Sie `` durch die AWS -Region, in der Sie den Kennzeichnungsauftrag erstellen. Nehmen Sie keinen Eintrag für den `UiTemplateS3Uri` Parameter auf. + Ihr [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) muss mit `-ref` enden. Beispiel, `video-od-labels-ref`. + Bei Ihrer Eingabemanifestdatei muss es sich um eine Sequenz-Manifestdatei handeln. Sie können diese Manifestdatei mit der SageMaker AI-Konsole erstellen oder sie manuell erstellen und auf Amazon S3 hochladen. Weitere Informationen finden Sie unter [Einrichtung der Eingabedaten](sms-video-data-setup.md). + Sie können nur private oder externe Arbeitsteams einsetzen, um Beschriftungsaufträge zur Objekterkennung für Videoframes zu erstellen. + Sie geben Ihre Beschriftungen, Beschriftungskategorie und Rahmenattribute, den Aufgabentyp und die Arbeitsanweisungen in einer Beschriftungskategorie-Konfigurationsdatei an. Geben Sie den Aufgabentyp (Begrenzungsrahmen, Polylinien, Polygone oder Schlüsselpunkt) mit `annotationType` in Ihrer Konfigurationsdatei für die Beschriftungskategorie an. Weitere Informationen finden Sie unter [Referenz zur Konfigurationsdatei für Kennzeichnungskategorien mit Kennzeichnungskategorie- und Frame-Attributen](sms-label-cat-config-attributes.md), um zu erfahren, wie Sie diese Datei erstellen. + Sie müssen vordefinierte Lambda-Funktionen ARNs für die Pre-Annotation und Post-Annotation (ACS) bereitstellen. Diese ARNs sind spezifisch für die AWS Region, in der Sie Ihren Labeling-Job erstellen. + Informationen zum Lambda-ARN zur Vorkommentierung finden Sie unter [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn). Verwenden Sie die Region, in der Sie Ihren Beschriftungsauftrag erstellen, um den richtigen ARN zu finden, der mit `PRE-VideoObjectDetection` endet. + Informationen zum Lambda-ARN zur Nachkommentierung finden Sie unter [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn). Verwenden Sie die Region, in der Sie Ihren Beschriftungsauftrag erstellen, um den richtigen ARN zu finden, der mit `ACS-VideoObjectDetection` endet. + Die Anzahl der in `NumberOfHumanWorkersPerDataObject` angegebenen Auftragnehmer muss `1` sein. + Das automatisierte Daten-Labeling wird für Beschriftungsaufträge für Videoframes nicht unterstützt. Geben Sie keine Werte für Parameter in `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)` an. + Beschriftungsauftrag der Objektverfolgung von Videoframes können mehrere Stunden in Anspruch nehmen. Sie können ein längeres Zeitlimit für diese Kennzeichnungsaufträge in `TaskTimeLimitInSeconds` festlegen (bis zu 7 Tage oder 604.800 Sekunden). Im Folgenden finden Sie ein Beispiel für eine [AWS -Python-SDK-(Boto3-)Anforderung](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) zur Erstellung eines Beschriftungsauftrags in der Region USA Ost (Nord-Virginia). ``` response = client.create_labeling_job( LabelingJobName='example-video-od-labeling-job, LabelAttributeName='label', InputConfig={ 'DataSource': { 'S3DataSource': { 'ManifestS3Uri': 's3://amzn-s3-demo-bucket/path/video-frame-sequence-input-manifest.json' } }, 'DataAttributes': { 'ContentClassifiers': [ 'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent', ] } }, OutputConfig={ 'S3OutputPath': 's3://amzn-s3-demo-bucket/prefix/file-to-store-output-data', 'KmsKeyId': 'string' }, RoleArn='arn:aws:iam::*:role/*, LabelCategoryConfigS3Uri='s3://bucket/prefix/label-categories.json', StoppingConditions={ 'MaxHumanLabeledObjectCount': 123, 'MaxPercentageOfInputDatasetLabeled': 123 }, HumanTaskConfig={ 'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*', 'UiConfig': { 'HumanTaskUiArn: 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/VideoObjectDetection' }, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoObjectDetection', 'TaskKeywords': [ 'Video Frame Object Detection', ], 'TaskTitle': 'Video frame object detection task', 'TaskDescription': 'Classify and identify the location of objects and people in video frames', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoObjectDetection' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ## Auftrag zur Objekterkennung, -anpassung oder -verifizierung für Videoframes erstellen Sie können Beschriftungsverifizierungs- und Anpassungsaufträge über die Ground-Truth-Konsole oder die API `CreateLabelingJob` starten. Weitere Informationen zu Beschriftungsaufträgen zur Anpassung und Überprüfung sowie zu deren Erstellung finden Sie unter [Beschriftungsverifizierung und Anpassung](sms-verification-data.md). ## Format der Ausgabedaten Wenn Sie einen Vefolgungsbeschriftungsauftrag für Videoframes erstellen, werden Aufgaben an Auftragnehmer gesendet. Wenn diese Auftragnehmer ihre Aufgaben abgeschlossen haben, werden die Beschriftungen an den Amazon S3-Ausgabespeicherort geschrieben, den Sie beim Erstellen des Beschriftungsauftrags angegeben haben. Informationen über das Format der Ausgabedaten der Videoframe-Objekterkennung finden Sie unter [Ausgabe der Video-Frame-Objekterkennung](sms-data-output.md#sms-output-video-object-detection). Wenn Sie ein neuer Benutzer von Ground Truth sind, erfahren Sie unter [Ausgabedaten von Kennzeichnungsaufträgen](sms-data-output.md) mehr über das Ausgabedatenformat von Ground Truth.