Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Bingkai video Anda dapat menggunakan tipe tugas bingkai video bawaan Ground Truth agar pekerja membuat anotasi bingkai video menggunakan kotak pembatas, polyline, poligon, atau titik kunci. *Bingkai video* adalah urutan gambar yang telah diekstraksi dari video. Jika Anda tidak memiliki bingkai video, Anda dapat menyediakan file video (MP4 file) dan menggunakan alat ekstraksi bingkai otomatis Ground Truth untuk mengekstrak bingkai video. Untuk mempelajari selengkapnya, lihat [Menyediakan File Video](sms-point-cloud-video-input-data.md#sms-point-cloud-video-frame-extraction). Anda dapat menggunakan jenis tugas video bawaan berikut untuk membuat pekerjaan pelabelan bingkai video menggunakan konsol Amazon SageMaker AI, API, dan khusus bahasa SDKs. + **Deteksi objek bingkai video** - Gunakan jenis tugas ini saat Anda ingin pekerja mengidentifikasi dan menemukan objek dalam urutan bingkai video. Anda memberikan daftar kategori, dan pekerja dapat memilih satu kategori pada satu waktu dan membubuhi keterangan objek yang kategorinya berlaku di semua bingkai. Misalnya, Anda dapat menggunakan tugas ini untuk meminta pekerja mengidentifikasi dan melokalisasi berbagai objek dalam sebuah adegan, seperti mobil, sepeda, dan pejalan kaki. + **Pelacakan objek bingkai video** - Gunakan jenis tugas ini saat Anda ingin pekerja melacak pergerakan instance objek di seluruh urutan bingkai video. Saat pekerja menambahkan anotasi ke satu bingkai, anotasi tersebut dikaitkan dengan ID instance unik. Pekerja menambahkan anotasi yang terkait dengan ID yang sama di semua frame lain untuk mengidentifikasi objek atau orang yang sama. Misalnya, seorang pekerja dapat melacak pergerakan kendaraan melintasi urutan bingkai video dengan menggambar kotak pembatas yang terkait dengan ID yang sama di sekitar kendaraan di setiap bingkai yang muncul. Gunakan topik berikut untuk mempelajari lebih lanjut tentang jenis tugas bawaan ini dan cara membuat pekerjaan pelabelan menggunakan setiap jenis tugas. Lihat [Tipe tugas](sms-video-overview.md#sms-video-frame-tools) untuk mempelajari lebih lanjut tentang alat anotasi (kotak pembatas, polyline, poligon, dan titik kunci) yang tersedia untuk jenis tugas ini. Sebelum Anda membuat pekerjaan pelabelan, kami sarankan Anda meninjau[Referensi pekerjaan pelabelan bingkai video](sms-video-overview.md). **Topics** + [Identifikasi objek menggunakan deteksi objek bingkai video](sms-video-object-detection.md) + [Lacak objek dalam bingkai video menggunakan pelacakan objek bingkai video](sms-video-object-tracking.md) + [Referensi pekerjaan pelabelan bingkai video](sms-video-overview.md) # Identifikasi objek menggunakan deteksi objek bingkai video *Anda dapat menggunakan jenis tugas deteksi objek bingkai video agar pekerja mengidentifikasi dan menemukan objek dalam urutan bingkai video (gambar yang diekstrak dari video) menggunakan kotak pembatas, polyline, poligon, atau alat anotasi keypoint.* Alat yang Anda pilih menentukan jenis tugas bingkai video yang Anda buat. Misalnya, Anda dapat menggunakan pekerja tipe tugas deteksi objek bingkai video kotak pembatas untuk mengidentifikasi dan melokalisasi berbagai objek dalam serangkaian bingkai video, seperti mobil, sepeda, dan pejalan kaki. Anda dapat membuat pekerjaan pelabelan deteksi objek bingkai video menggunakan konsol Amazon SageMaker AI Ground Truth, SageMaker API, dan khusus bahasa AWS SDKs. Untuk mempelajari lebih lanjut, lihat [Buat Job Pelabelan Deteksi Objek Bingkai Video](#sms-video-od-create-labeling-job) dan pilih metode pilihan Anda. Lihat [Tipe tugas](sms-video-overview.md#sms-video-frame-tools) untuk mempelajari lebih lanjut tentang alat anotasi yang dapat Anda pilih saat membuat pekerjaan pelabelan. Ground Truth menyediakan UI pekerja dan alat untuk menyelesaikan tugas pekerjaan pelabelan Anda:[Pratinjau UI Pekerja](#sms-video-od-worker-ui). Anda dapat membuat pekerjaan untuk menyesuaikan anotasi yang dibuat dalam pekerjaan pelabelan deteksi objek video menggunakan jenis tugas penyesuaian deteksi objek video. Untuk mempelajari selengkapnya, lihat [Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi](#sms-video-od-adjustment). ## Pratinjau UI Pekerja Ground Truth memberi pekerja antarmuka pengguna web (UI) untuk menyelesaikan tugas anotasi deteksi objek bingkai video Anda. Anda dapat melihat pratinjau dan berinteraksi dengan UI pekerja saat membuat pekerjaan pelabelan di konsol. Jika Anda adalah pengguna baru, sebaiknya Anda membuat pekerjaan pelabelan melalui konsol menggunakan kumpulan data input kecil untuk melihat pratinjau UI pekerja dan memastikan bingkai video, label, dan atribut label Anda muncul seperti yang diharapkan. UI memberi pekerja alat pelabelan bantu berikut untuk menyelesaikan tugas deteksi objek Anda: + Untuk semua tugas, pekerja dapat menggunakan **Salin ke berikutnya** dan **Salin ke semua** fitur untuk menyalin anotasi ke frame berikutnya atau ke semua frame berikutnya masing-masing. + Untuk tugas yang menyertakan alat kotak pembatas, pekerja dapat menggunakan fitur **Predict next** untuk menggambar kotak pembatas dalam satu bingkai, dan kemudian meminta Ground Truth memprediksi lokasi kotak dengan label yang sama di semua bingkai lainnya. Pekerja kemudian dapat melakukan penyesuaian untuk memperbaiki lokasi kotak yang diprediksi. Video berikut menunjukkan bagaimana seorang pekerja dapat menggunakan UI pekerja dengan alat kotak pembatas untuk menyelesaikan tugas deteksi objek Anda. ![\[Gif menunjukkan bagaimana seorang pekerja dapat menggunakan alat kotak pembatas untuk tugas deteksi objek mereka.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif) ## Buat Job Pelabelan Deteksi Objek Bingkai Video Anda dapat membuat pekerjaan pelabelan deteksi objek bingkai video menggunakan konsol SageMaker AI atau operasi [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)API. Bagian ini mengasumsikan bahwa Anda telah meninjau [Referensi pekerjaan pelabelan bingkai video](sms-video-overview.md) dan telah memilih jenis data input dan koneksi dataset input yang Anda gunakan. ### Membuat Job Pelabelan (Konsol) Anda dapat mengikuti petunjuk [Membuat Job Pelabelan (Konsol)](sms-create-labeling-job-console.md) untuk mempelajari cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI. Pada langkah 10, pilih **Video - Deteksi objek** dari daftar dropdown **kategori Tugas**. Pilih jenis tugas yang Anda inginkan dengan memilih salah satu kartu di **Pemilihan tugas**. ![\[Gif menunjukkan cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/task-type-vod.gif) ### Membuat Job Pelabelan (API) Anda membuat tugas pelabelan deteksi objek menggunakan operasi SageMaker `CreateLabelingJob` API. API ini mendefinisikan operasi ini untuk semua AWS SDKs. Untuk melihat daftar bahasa khusus yang SDKs didukung untuk operasi ini, tinjau bagian **Lihat Juga**. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) [Membuat Job Pelabelan (API)](sms-create-labeling-job-api.md)memberikan gambaran umum `CreateLabelingJob` operasi. Ikuti petunjuk ini dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda: + Anda harus memasukkan ARN untuk. `HumanTaskUiArn` Gunakan `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectDetection`. Ganti `` dengan AWS Wilayah tempat Anda membuat pekerjaan pelabelan. Jangan sertakan entri untuk `UiTemplateS3Uri` parameter. + Anda [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)harus berakhir`-ref`. Misalnya, `video-od-labels-ref`. + File manifes masukan Anda harus berupa file manifes urutan bingkai video. Anda dapat membuat file manifes ini menggunakan konsol SageMaker AI, atau membuatnya secara manual dan mengunggahnya ke Amazon S3. Untuk informasi selengkapnya, lihat [Penyiapan Data Masukan](sms-video-data-setup.md). + Anda hanya dapat menggunakan tim kerja pribadi atau vendor untuk membuat pekerjaan pelabelan deteksi objek bingkai video. + Anda menentukan label, kategori label dan atribut bingkai, jenis tugas, dan instruksi pekerja dalam file konfigurasi kategori label. Tentukan jenis tugas (kotak pembatas, polyline, poligon, atau keypoint) yang digunakan `annotationType` dalam file konfigurasi kategori label Anda. Untuk informasi selengkapnya, lihat [Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai](sms-label-cat-config-attributes.md) untuk mempelajari cara membuat file ini. + Anda perlu menyediakan pra-definisi ARNs untuk fungsi Lambda pra-anotasi dan pasca-anotasi (ACS). Ini ARNs khusus untuk AWS Wilayah yang Anda gunakan untuk membuat pekerjaan pelabelan Anda. + Untuk menemukan pra-anotasi Lambda ARN, lihat. [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) Gunakan Wilayah tempat Anda membuat pekerjaan pelabelan untuk menemukan ARN yang benar yang berakhir dengan. `PRE-VideoObjectDetection` + Untuk menemukan ARN Lambda pasca-anotasi, lihat. [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) Gunakan Wilayah tempat Anda membuat pekerjaan pelabelan untuk menemukan ARN yang benar yang berakhir dengan. `ACS-VideoObjectDetection` + Jumlah pekerja yang ditentukan `NumberOfHumanWorkersPerDataObject` harus`1`. + Pelabelan data otomatis tidak didukung untuk pekerjaan pelabelan bingkai video. Jangan tentukan nilai untuk parameter di`[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)`. + Pekerjaan pelabelan pelacakan objek bingkai video dapat memakan waktu beberapa jam untuk diselesaikan. Anda dapat menentukan batas waktu yang lebih lama untuk pekerjaan pelabelan ini dalam `TaskTimeLimitInSeconds` (hingga 7 hari, atau 604.800 detik). Berikut ini adalah contoh [permintaan AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia N.). ``` 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' }, ] ) ``` ## Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi Anda dapat membuat pekerjaan pelabelan penyesuaian dan verifikasi menggunakan konsol Ground Truth atau `CreateLabelingJob` API. Untuk mempelajari lebih lanjut tentang pekerjaan pelabelan penyesuaian dan verifikasi, dan untuk mempelajari cara membuatnya, lihat[Verifikasi dan penyesuaian label](sms-verification-data.md). ## Format Data Keluaran Saat Anda membuat pekerjaan pelabelan deteksi objek bingkai video, tugas dikirim ke pekerja. Saat pekerja ini menyelesaikan tugasnya, label akan ditulis ke lokasi keluaran Amazon S3 yang Anda tentukan saat Anda membuat pekerjaan pelabelan. Untuk mempelajari tentang format data keluaran deteksi objek bingkai video, lihat[Output deteksi objek bingkai video](sms-data-output.md#sms-output-video-object-detection). Jika Anda adalah pengguna baru Ground Truth, lihat [Pelabelan data keluaran pekerjaan](sms-data-output.md) untuk mempelajari lebih lanjut tentang format data keluaran Ground Truth. # Lacak objek dalam bingkai video menggunakan pelacakan objek bingkai video *Anda dapat menggunakan jenis tugas pelacakan objek bingkai video agar pekerja melacak pergerakan objek dalam urutan bingkai video (gambar yang diekstrak dari video) menggunakan kotak pembatas, polyline, poligon, atau alat anotasi keypoint.* Alat yang Anda pilih menentukan jenis tugas bingkai video yang Anda buat. Misalnya, Anda dapat menggunakan jenis tugas pelacakan objek bingkai video kotak pembatas untuk meminta pekerja melacak pergerakan objek, seperti mobil, sepeda, dan pejalan kaki dengan menggambar kotak di sekitarnya. Anda memberikan daftar kategori, dan setiap anotasi yang ditambahkan pekerja ke bingkai video diidentifikasi sebagai *instance* dari kategori tersebut menggunakan ID instance. Misalnya, jika Anda memberikan label kategori mobil, mobil pertama yang dianotasi pekerja akan memiliki contoh ID car:1. Mobil kedua yang dianotasi pekerja akan memiliki instance ID car:2. Untuk melacak pergerakan objek, pekerja menambahkan anotasi yang terkait dengan ID instance yang sama ke objek di semua frame. Anda dapat membuat pekerjaan pelabelan pelacakan objek bingkai video menggunakan konsol Amazon SageMaker AI Ground Truth, SageMaker API, dan khusus bahasa AWS SDKs. Untuk mempelajari lebih lanjut, lihat [Buat Job Pelabelan Deteksi Objek Bingkai Video](sms-video-object-detection.md#sms-video-od-create-labeling-job) dan pilih metode pilihan Anda. Lihat [Tipe tugas](sms-video-overview.md#sms-video-frame-tools) untuk mempelajari lebih lanjut tentang alat anotasi yang dapat Anda pilih saat membuat pekerjaan pelabelan. Ground Truth menyediakan UI pekerja dan alat untuk menyelesaikan tugas pekerjaan pelabelan Anda:[Pratinjau UI Pekerja](sms-video-object-detection.md#sms-video-od-worker-ui). Anda dapat membuat pekerjaan untuk menyesuaikan anotasi yang dibuat dalam pekerjaan pelabelan deteksi objek video menggunakan jenis tugas penyesuaian deteksi objek video. Untuk mempelajari selengkapnya, lihat [Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi](sms-video-object-detection.md#sms-video-od-adjustment). ## Pratinjau UI Pekerja Ground Truth memberi pekerja antarmuka pengguna web (UI) untuk menyelesaikan tugas anotasi pelacakan objek bingkai video Anda. Anda dapat melihat pratinjau dan berinteraksi dengan UI pekerja saat membuat pekerjaan pelabelan di konsol. Jika Anda adalah pengguna baru, sebaiknya Anda membuat pekerjaan pelabelan melalui konsol menggunakan kumpulan data input kecil untuk melihat pratinjau UI pekerja dan memastikan bingkai video, label, dan atribut label Anda muncul seperti yang diharapkan. UI memberi pekerja alat pelabelan bantu berikut untuk menyelesaikan tugas pelacakan objek Anda: + Untuk semua tugas, pekerja dapat menggunakan **Salin ke berikutnya** dan **Salin ke semua** fitur untuk menyalin anotasi dengan ID unik yang sama ke bingkai berikutnya atau ke semua frame berikutnya masing-masing. + Untuk tugas yang menyertakan alat kotak pembatas, pekerja dapat menggunakan fitur **Predict next** untuk menggambar kotak pembatas dalam satu bingkai, dan kemudian meminta Ground Truth memprediksi lokasi kotak dengan ID unik yang sama di semua frame lainnya. Pekerja kemudian dapat melakukan penyesuaian untuk memperbaiki lokasi kotak yang diprediksi. Video berikut menunjukkan bagaimana seorang pekerja dapat menggunakan UI pekerja dengan alat kotak pembatas untuk menyelesaikan tugas pelacakan objek Anda. ![\[Gif menunjukkan bagaimana seorang pekerja dapat menggunakan alat kotak pembatas dengan fitur prediksi berikutnya.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/ot_predict_next.gif) ## Membuat Job Pelabelan Objek Bingkai Video Anda dapat membuat pekerjaan pelabelan pelacakan objek bingkai video menggunakan konsol SageMaker AI atau operasi [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)API. Bagian ini mengasumsikan bahwa Anda telah meninjau [Referensi pekerjaan pelabelan bingkai video](sms-video-overview.md) dan telah memilih jenis data input dan koneksi dataset input yang Anda gunakan. ### Membuat Job Pelabelan (Konsol) Anda dapat mengikuti petunjuk [Membuat Job Pelabelan (Konsol)](sms-create-labeling-job-console.md) untuk mempelajari cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI. Pada langkah 10, pilih **Video - Pelacakan objek** dari daftar dropdown **kategori Tugas**. Pilih jenis tugas yang Anda inginkan dengan memilih salah satu kartu di **Pemilihan tugas**. ![\[Gif menunjukkan cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/task-type-vot.gif) ### Membuat Job Pelabelan (API) Anda membuat tugas pelabelan pelacakan objek menggunakan operasi SageMaker `CreateLabelingJob` API. API ini mendefinisikan operasi ini untuk semua AWS SDKs. Untuk melihat daftar bahasa khusus yang SDKs didukung untuk operasi ini, tinjau bagian **Lihat Juga**. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) [Membuat Job Pelabelan (API)](sms-create-labeling-job-api.md)memberikan gambaran umum `CreateLabelingJob` operasi. Ikuti petunjuk ini dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda: + Anda harus memasukkan ARN untuk. `HumanTaskUiArn` Gunakan `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectTracking`. Ganti `` dengan AWS Wilayah tempat Anda membuat pekerjaan pelabelan. Jangan sertakan entri untuk `UiTemplateS3Uri` parameter. + Anda [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)harus berakhir`-ref`. Misalnya, `ot-labels-ref`. + File manifes masukan Anda harus berupa file manifes urutan bingkai video. Anda dapat membuat file manifes ini menggunakan konsol SageMaker AI, atau membuatnya secara manual dan mengunggahnya ke Amazon S3. Untuk informasi selengkapnya, lihat [Penyiapan Data Masukan](sms-video-data-setup.md). Jika Anda membuat pekerjaan pelabelan streaming, file manifes masukan bersifat opsional. + Anda hanya dapat menggunakan tim kerja pribadi atau vendor untuk membuat pekerjaan pelabelan deteksi objek bingkai video. + Anda menentukan label, kategori label dan atribut bingkai, jenis tugas, dan instruksi pekerja dalam file konfigurasi kategori label. Tentukan jenis tugas (kotak pembatas, polyline, poligon, atau keypoint) yang digunakan `annotationType` dalam file konfigurasi kategori label Anda. Untuk informasi selengkapnya, lihat [Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai](sms-label-cat-config-attributes.md) untuk mempelajari cara membuat file ini. + Anda perlu menyediakan pra-definisi ARNs untuk fungsi Lambda pra-anotasi dan pasca-anotasi (ACS). Ini ARNs khusus untuk AWS Wilayah yang Anda gunakan untuk membuat pekerjaan pelabelan Anda. + Untuk menemukan pra-anotasi Lambda ARN, lihat. [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) Gunakan Wilayah tempat Anda membuat pekerjaan pelabelan untuk menemukan ARN yang benar yang berakhir dengan. `PRE-VideoObjectTracking` + Untuk menemukan ARN Lambda pasca-anotasi, lihat. [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) Gunakan Wilayah tempat Anda membuat pekerjaan pelabelan untuk menemukan ARN yang benar yang berakhir dengan. `ACS-VideoObjectTracking` + Jumlah pekerja yang ditentukan `NumberOfHumanWorkersPerDataObject` harus`1`. + Pelabelan data otomatis tidak didukung untuk pekerjaan pelabelan bingkai video. Jangan tentukan nilai untuk parameter di`[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)`. + Pekerjaan pelabelan pelacakan objek bingkai video dapat memakan waktu beberapa jam untuk diselesaikan. Anda dapat menentukan batas waktu yang lebih lama untuk pekerjaan pelabelan ini dalam `TaskTimeLimitInSeconds` (hingga 7 hari, atau 604.800 detik). Berikut ini adalah contoh [permintaan AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia N.). ``` response = client.create_labeling_job( LabelingJobName='example-video-ot-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/VideoObjectTracking' }, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoObjectTracking', 'TaskKeywords': [ 'Video Frame Object Tracking, ], 'TaskTitle': 'Video frame object tracking task', 'TaskDescription': Tracking the location of objects and people across video frames', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoObjectTracking' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ## Membuat Penyesuaian Pelacakan Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi Anda dapat membuat pekerjaan pelabelan penyesuaian dan verifikasi menggunakan konsol Ground Truth atau `CreateLabelingJob` API. Untuk mempelajari lebih lanjut tentang pekerjaan pelabelan penyesuaian dan verifikasi, dan untuk mempelajari cara membuatnya, lihat[Verifikasi dan penyesuaian label](sms-verification-data.md). ## Format Data Keluaran Saat Anda membuat pekerjaan pelabelan pelabelan objek bingkai video, tugas dikirim ke pekerja. Saat pekerja ini menyelesaikan tugasnya, label akan ditulis ke lokasi keluaran Amazon S3 yang Anda tentukan saat Anda membuat pekerjaan pelabelan. Untuk mempelajari tentang format data keluaran pelacakan objek bingkai video, lihat[Output pelacakan objek bingkai video](sms-data-output.md#sms-output-video-object-tracking). Jika Anda adalah pengguna baru Ground Truth, lihat [Pelabelan data keluaran pekerjaan](sms-data-output.md) untuk mempelajari lebih lanjut tentang format data keluaran Ground Truth. # Referensi pekerjaan pelabelan bingkai video Gunakan halaman ini untuk mempelajari tentang pekerjaan pelabelan bingkai video deteksi objek dan pelacakan objek. Informasi di halaman ini berlaku untuk kedua jenis tugas bawaan ini. Pekerjaan pelabelan bingkai video unik karena hal-hal berikut: + Anda dapat menyediakan objek data yang siap untuk dianotasi (bingkai video), atau Anda dapat menyediakan file video dan memiliki Ground Truth secara otomatis mengekstrak bingkai video. + Pekerja memiliki kemampuan untuk menghemat pekerjaan saat mereka pergi. + Anda tidak dapat menggunakan Amazon Mechanical Turk tenaga kerja untuk menyelesaikan tugas pelabelan Anda. + Ground Truth menyediakan UI pekerja, serta alat bantu dan pelabelan dasar, untuk membantu pekerja menyelesaikan tugas Anda. Anda tidak perlu menyediakan template tugas pekerja. Gunakan topik berikut untuk mempelajari lebih lanjut tentang pekerjaan pelabelan bingkai video. **Topics** + [Data input](#sms-video-input-overview) + [Waktu penyelesaian Job](#sms-video-job-completion-times) + [Tipe tugas](#sms-video-frame-tools) + [Tenaga Kerja](#sms-video-workforces) + [Antarmuka pengguna pekerja (UI)](#sms-video-worker-task-ui) + [Persyaratan izin pekerjaan bingkai video](#sms-security-permission-video-frame) ## Data input Pekerjaan pelabelan bingkai video menggunakan *urutan* bingkai video. Urutan tunggal adalah serangkaian gambar yang telah diekstraksi dari satu video. Anda dapat memberikan urutan bingkai video Anda sendiri, atau meminta Ground Truth secara otomatis mengekstrak urutan bingkai video dari file video Anda. Untuk mempelajari selengkapnya, lihat [Menyediakan File Video](sms-point-cloud-video-input-data.md#sms-point-cloud-video-frame-extraction). Ground Truth menggunakan file urutan untuk mengidentifikasi semua gambar dalam satu urutan. Semua urutan yang ingin Anda sertakan dalam satu pekerjaan pelabelan diidentifikasi dalam file manifes input. Setiap urutan digunakan untuk membuat tugas pekerja tunggal. Anda dapat secara otomatis membuat file urutan dan file manifes masukan menggunakan pengaturan data otomatis Ground Truth. Untuk mempelajari selengkapnya, lihat [Mengatur Data Input Bingkai Video Otomatis](sms-video-automated-data-setup.md). Untuk mempelajari cara membuat file urutan dan file manifes masukan secara manual, lihat[Buat File Manifes Masukan Bingkai Video](sms-video-manual-data-setup.md#sms-video-create-manifest). ## Waktu penyelesaian Job Pekerjaan pelabelan bingkai video dan video dapat memakan waktu berjam-jam untuk diselesaikan oleh pekerja. Anda dapat mengatur jumlah total waktu pekerja dapat mengerjakan setiap tugas saat Anda membuat pekerjaan pelabelan. Waktu maksimum yang dapat Anda atur bagi pekerja untuk mengerjakan tugas adalah 7 hari. Nilai defaultnya adalah 3 hari. Kami sangat menyarankan Anda membuat tugas yang dapat diselesaikan pekerja dalam waktu 12 jam. Pekerja harus menjaga UI pekerja tetap terbuka saat mengerjakan tugas. Mereka dapat menghemat pekerjaan saat mereka pergi dan Ground Truth menyimpan pekerjaan mereka setiap 15 menit. Saat menggunakan operasi SageMaker AI `CreateLabelingJob` API, atur total waktu tugas tersedia untuk pekerja dalam `TaskTimeLimitInSeconds` parameter`HumanTaskConfig`. Saat membuat pekerjaan pelabelan di konsol, Anda dapat menentukan batas waktu ini saat memilih jenis tenaga kerja dan tim kerja Anda. ## Tipe tugas Saat Anda membuat pelacakan objek video atau pekerjaan pelabelan deteksi objek video, Anda menentukan jenis anotasi yang ingin dibuat pekerja saat mengerjakan tugas pelabelan Anda. Jenis anotasi menentukan jenis data keluaran yang dikembalikan Ground Truth dan mendefinisikan *tipe tugas* untuk pekerjaan pelabelan Anda. Jika Anda membuat pekerjaan pelabelan menggunakan operasi API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html), Anda menentukan jenis tugas menggunakan parameter `annotationType` file konfigurasi kategori label. Untuk mempelajari selengkapnya, lihat [Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai](sms-label-cat-config-attributes.md). Jenis tugas berikut tersedia untuk pekerjaan pelacakan objek video atau pelabelan deteksi objek video: + **Kotak pembatas** - Pekerja dilengkapi dengan alat untuk membuat anotasi kotak pembatas. Kotak pembatas adalah kotak yang digambar pekerja di sekitar objek untuk mengidentifikasi lokasi piksel dan label objek itu dalam bingkai. + **Polyline** — Pekerja dilengkapi dengan alat untuk membuat anotasi polyline. Polyline didefinisikan oleh deret koordinat x, y yang diurutkan. Setiap titik yang ditambahkan ke polyline terhubung ke titik sebelumnya dengan garis. Polyline tidak harus ditutup (titik awal dan titik akhir tidak harus sama) dan tidak ada batasan pada sudut yang terbentuk di antara garis. + **Polygon** — Pekerja dilengkapi dengan alat untuk membuat anotasi poligon. Poligon adalah bentuk tertutup yang ditentukan oleh serangkaian koordinat x, y yang terurut. Setiap titik yang ditambahkan ke poligon dihubungkan ke titik sebelumnya dengan garis dan tidak ada batasan pada sudut yang terbentuk di antara garis. Dua garis (sisi) poligon tidak dapat bersilangan. Titik awal dan akhir poligon harus sama. + **Keypoint** — Pekerja disediakan dengan alat untuk membuat anotasi keypoint. Keypoint adalah titik tunggal yang terkait dengan koordinat x, y dalam bingkai video. ## Tenaga Kerja Saat Anda membuat pekerjaan pelabelan bingkai video, Anda perlu menentukan tim kerja untuk menyelesaikan tugas anotasi Anda. Anda dapat memilih tim kerja dari tenaga kerja pribadi pekerja Anda sendiri, atau dari tenaga kerja vendor yang Anda pilih di. AWS Marketplace Anda tidak dapat menggunakan tenaga kerja Amazon Mechanical Turk untuk pekerjaan pelabelan bingkai video. Untuk mempelajari lebih lanjut tentang tenaga kerja vendor, lihat[Berlangganan tenaga kerja vendor](sms-workforce-management-vendor.md). Untuk mempelajari cara membuat dan mengelola tenaga kerja pribadi, lihat[Tenaga kerja swasta](sms-workforce-private.md). ## Antarmuka pengguna pekerja (UI) Ground Truth menyediakan antarmuka pengguna pekerja (UI), alat, dan fitur pelabelan bantu untuk membantu pekerja menyelesaikan tugas pelabelan video Anda. Anda dapat melihat pratinjau UI pekerja saat membuat pekerjaan pelabelan di konsol. Saat membuat job pelabelan menggunakan operasi API`CreateLabelingJob`, Anda harus menyediakan ARN yang disediakan oleh Ground Truth dalam [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-UiTemplateS3Uri](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-UiTemplateS3Uri)parameter untuk menentukan UI pekerja untuk tipe tugas Anda. Anda dapat menggunakan `HumanTaskUiArn` operasi SageMaker AI [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html)API untuk melihat pratinjau UI pekerja. Anda memberikan instruksi pekerja, label, dan opsional, atribut yang dapat digunakan pekerja untuk memberikan informasi lebih lanjut tentang label dan bingkai video. Atribut ini disebut sebagai atribut kategori label dan atribut bingkai masing-masing. Semuanya ditampilkan di UI pekerja. ### Kategori label dan atribut bingkai Saat Anda membuat pelacakan objek video atau pekerjaan pelabelan deteksi objek video, Anda dapat menambahkan satu atau beberapa *atribut kategori label dan atribut* *bingkai*: + **Atribut kategori label** - Daftar opsi (string), kotak teks formulir bebas, atau bidang numerik yang terkait dengan satu atau beberapa label. Ini digunakan oleh pekerja untuk memberikan metadata tentang label. + **Atribut bingkai** — Daftar opsi (string), kotak teks formulir bebas, atau bidang numerik yang muncul di setiap bingkai video yang dikirim oleh pekerja untuk membuat anotasi. Ini digunakan oleh pekerja untuk menyediakan metadata tentang bingkai video. Selain itu, Anda dapat menggunakan atribut label dan bingkai agar pekerja memverifikasi label dalam pekerjaan verifikasi label bingkai video. Gunakan bagian berikut untuk mempelajari lebih lanjut tentang atribut ini. Untuk mempelajari cara menambahkan kategori label dan atribut bingkai ke pekerjaan pelabelan, gunakan bagian **Create Labeling Job** pada [halaman tipe tugas](sms-video-task-types.md) pilihan Anda. #### Atribut kategori label Tambahkan atribut kategori label ke label untuk memberi pekerja kemampuan untuk memberikan informasi lebih lanjut tentang anotasi yang mereka buat. Atribut kategori label ditambahkan ke label individual, atau ke semua label. Ketika atribut kategori label diterapkan ke semua label itu disebut sebagai *atribut kategori label global*. Misalnya, jika Anda menambahkan kategori label *mobil*, Anda mungkin juga ingin menangkap data tambahan tentang mobil berlabel Anda, seperti jika mereka tersumbat atau ukuran mobil. Anda dapat menangkap metadata ini menggunakan atribut kategori label. Dalam contoh ini, jika Anda menambahkan atribut yang *tersumbat* ke kategori label mobil, Anda dapat menetapkan *sebagian*, *sepenuhnya*, *tidak* ke atribut yang *tersumbat* dan memungkinkan pekerja untuk memilih salah satu opsi ini. Saat membuat pekerjaan verifikasi label, tambahkan atribut kategori label ke setiap label yang ingin diverifikasi oleh pekerja. #### Atribut tingkat bingkai Tambahkan atribut bingkai untuk memberi pekerja kemampuan untuk memberikan informasi lebih lanjut tentang frame video individual. Setiap atribut frame yang Anda tambahkan muncul di semua frame. Misalnya, Anda dapat menambahkan atribut number-frame agar pekerja mengidentifikasi jumlah objek yang mereka lihat dalam bingkai tertentu. Dalam contoh lain, Anda mungkin ingin memberikan kotak teks bentuk bebas untuk memberi pekerja kemampuan untuk memberikan jawaban atas pertanyaan. Saat membuat pekerjaan verifikasi label, Anda dapat menambahkan satu atau beberapa atribut bingkai untuk meminta pekerja memberikan umpan balik pada semua label dalam bingkai video. ### Instruksi pekerja Anda dapat memberikan instruksi pekerja untuk membantu pekerja Anda menyelesaikan tugas pelabelan bingkai video Anda. Anda mungkin ingin membahas topik-topik berikut saat menulis instruksi Anda: + Praktik terbaik dan hal-hal yang harus dihindari saat membuat anotasi objek. + Atribut kategori label yang disediakan (untuk tugas deteksi objek dan pelacakan objek) dan cara menggunakannya. + Cara menghemat waktu saat memberi label dengan menggunakan pintasan keyboard. Anda dapat menambahkan instruksi pekerja Anda menggunakan konsol SageMaker AI sambil membuat pekerjaan pelabelan. Jika Anda membuat pekerjaan pelabelan menggunakan operasi API`CreateLabelingJob`, Anda menentukan instruksi pekerja dalam file konfigurasi kategori label Anda. Selain instruksi Anda, Ground Truth menyediakan tautan untuk membantu pekerja menavigasi dan menggunakan portal pekerja. Lihat instruksi ini dengan memilih jenis tugas pada[Instruksi Pekerja](sms-video-worker-instructions.md). ### Menurun tugas Pekerja dapat menolak tugas. Pekerja menolak tugas jika instruksi tidak jelas, data input tidak ditampilkan dengan benar, atau jika mereka mengalami masalah lain dengan tugas tersebut. Jika jumlah pekerja per objek dataset ([https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-NumberOfHumanWorkersPerDataObject](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-NumberOfHumanWorkersPerDataObject)) menolak tugas, objek data ditandai sebagai kedaluwarsa dan tidak akan dikirim ke pekerja tambahan. ## Persyaratan izin pekerjaan bingkai video Saat membuat pekerjaan pelabelan bingkai video, selain persyaratan izin yang ditemukan di[Tetapkan Izin IAM untuk Menggunakan Ground Truth](sms-security-permission.md), Anda harus menambahkan kebijakan CORS ke bucket S3 yang berisi file manifes masukan Anda. ### Kebijakan izin CORS untuk bucket S3 Anda Saat Anda membuat pekerjaan pelabelan bingkai video, Anda menentukan bucket di S3 tempat data input dan file manifes Anda berada dan di mana data keluaran Anda akan disimpan. Ember ini mungkin sama. Anda harus melampirkan kebijakan Cross-origin resource sharing (CORS) berikut ke bucket input dan output Anda. Jika Anda menggunakan konsol Amazon S3 untuk menambahkan kebijakan ke bucket, Anda harus menggunakan format JSON. **JSON** ``` [ { "AllowedHeaders": [ "*" ], "AllowedMethods": [ "GET", "HEAD", "PUT" ], "AllowedOrigins": [ "*" ], "ExposeHeaders": [ "Access-Control-Allow-Origin" ], "MaxAgeSeconds": 3000 } ] ``` **XML-XM** ``` * GET HEAD PUT 3000 Access-Control-Allow-Origin * ``` Untuk mempelajari cara menambahkan kebijakan CORS ke bucket S3, lihat [Bagaimana cara menambahkan berbagi sumber daya lintas domain](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/add-cors-configuration.html) dengan CORS? di Panduan Pengguna Layanan Penyimpanan Sederhana Amazon.