Creación de un trabajo de etiquetado de clasificación de imágenes (una sola etiqueta) - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Creación de un trabajo de etiquetado de clasificación de imágenes (una sola etiqueta)

Utilice una tarea de etiquetado de clasificación de imágenes de Amazon SageMaker Ground Truth cuando necesite que los trabajadores clasifiquen las imágenes mediante etiquetas predefinidas que especifique. Los trabajadores reciben imágenes y se les pide que elijan una etiqueta para cada imagen. Puede crear un trabajo de etiquetado de clasificación de imágenes desde la sección Ground Truth de la consola de Amazon SageMaker AI o la operación CreateLabelingJob.

importante

Para este tipo de tarea, si crea su propio archivo de manifiesto, utilice "source-ref" para identificar la ubicación de cada archivo de imagen en Amazon S3 que desee etiquetar. Para obtener más información, consulte Datos de entrada.

Crear un trabajo de etiquetado de clasificación de imágenes (consola)

Puede seguir las instrucciones de Crear un trabajo de etiquetado (consola) para aprender a crear un trabajo de etiquetado de clasificación de imágenes en la consola de SageMaker AI. En el paso 10, elija Imagen en el menú desplegable Categoría de tareas y elija Clasificación de imágenes (etiqueta única) como tipo de tarea.

Ground Truth proporciona una interfaz de usuario del trabajador similar a la siguiente para las tareas de etiquetado. Al crear el trabajo de etiquetado con la consola, se especifican instrucciones para ayudar a los trabajadores a completar el trabajo y las etiquetas que los trabajadores pueden elegir.

Ejemplo de interfaz de usuario de trabajador para tareas de etiquetado, proporcionada por Ground Truth

Crear un trabajo de etiquetado de clasificación de imágenes (API)

Para crear un trabajo de etiquetado de clasificación de imágenes, utilice la operación CreateLabelingJob de la API de SageMaker. Esta API define esta operación para todos los SDK de AWS. Para ver una lista de SDK específicos de lenguajes admitidos para esta operación, consulte la sección Ver también de CreateLabelingJob.

Siga las instrucciones de Crear un trabajo de etiquetado (API) y haga lo siguiente mientras configura su solicitud:

  • Las funciones de Lambda de preanotación para este tipo de tareas terminan con PRE-ImageMultiClass. Para buscar el ARN de Lambda de preanotación para su región, consulte PreHumanTaskLambdaArn.

  • Las funciones de Lambda de consolidación de anotaciones para este tipo de tareas terminan con ACS-ImageMultiClass. Para buscar el ARN de Lambda de consolidación de anotaciones para su región, consulte AnnotationConsolidationLambdaArn.

A continuación se ofrece un ejemplo de solicitud del SDK de AWS Python (Boto3) para crear un trabajo de etiquetado en la región Este de EE. UU. (Norte de Virginia). Todos los parámetros en rojo deben reemplazarse con sus especificaciones y recursos.

response = client.create_labeling_job( LabelingJobName='example-image-classification-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-ImageMultiClass, 'TaskKeywords': [ Image classification', ], 'TaskTitle': Image classification task', 'TaskDescription': 'Carefully inspect the image and classify it by selecting one label from the categories provided.', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-ImageMultiClass' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] )

Proporcionar una plantilla para los trabajos de etiquetado de clasificación de imágenes

Si crea un trabajo de etiquetado con la API, debe proporcionar una plantilla de tarea del trabajador en UiTemplateS3Uri. Copie y modifique la siguiente plantilla. Modifique únicamente short-instructions, full-instructions y header.

Cargue esta plantilla a S3 y proporcione el URI de S3 para este archivo en UiTemplateS3Uri.

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script> <crowd-form> <crowd-image-classifier name="crowd-image-classifier" src="{{ task.input.taskObject | grant_read_access }}" header="please classify" categories="{{ task.input.labels | to_json | escape }}" > <full-instructions header="Image classification instructions"> <ol><li><strong>Read</strong> the task carefully and inspect the image.</li> <li><strong>Read</strong> the options and review the examples provided to understand more about the labels.</li> <li><strong>Choose</strong> the appropriate label that best suits the image.</li></ol> </full-instructions> <short-instructions> <h3><span style="color: rgb(0, 138, 0);">Good example</span></h3> <p>Enter description to explain the correct label to the workers</p> <h3><span style="color: rgb(230, 0, 0);">Bad example</span></h3><p>Enter description of an incorrect label</p> </short-instructions> </crowd-image-classifier> </crowd-form>

Datos de salida de clasificación de imágenes

Una vez que haya creado un trabajo de etiquetado de clasificación de imágenes, los datos de salida se ubicarán en el bucket de Amazon S3 especificado en el parámetro S3OutputPath al utilizar la API o en el campo Ubicación del conjunto de datos de salida de la sección Información general del trabajo de la consola.

Para obtener más información sobre el archivo de manifiesto de salida generado por Ground Truth y la estructura de archivos que Ground Truth utiliza para almacenar los datos de salida, consulte Etiquetado de los datos de salida del trabajo.

Para ver un ejemplo de un archivo de manifiesto de salida de un trabajo de etiquetado de clasificación de imágenes, consulte Salida del trabajo de clasificación.