Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Pelabelan video dan bingkai video Anda dapat menggunakan Ground Truth untuk mengklasifikasikan video dan membuat anotasi bingkai video (gambar diam yang diekstrak dari video) menggunakan salah satu dari tiga jenis tugas video bawaan. Jenis tugas ini merampingkan proses pembuatan pekerjaan pelabelan bingkai video dan video menggunakan konsol Amazon SageMaker AI, API, dan khusus bahasa. SDKs + Klasifikasi klip video — Memungkinkan pekerja untuk mengklasifikasikan video ke dalam kategori yang Anda tentukan. Misalnya, Anda dapat menggunakan jenis tugas ini agar pekerja mengkategorikan video ke dalam topik seperti olahraga, komedi, musik, dan pendidikan. Untuk mempelajari selengkapnya, lihat [Klasifikasi video](sms-video-classification.md). + Pekerjaan pelabelan bingkai video — Memungkinkan pekerja untuk membuat anotasi bingkai video yang diekstrak dari video menggunakan kotak pembatas, polyline, poligon, atau alat anotasi keypoint. Ground Truth menawarkan dua tipe tugas bawaan untuk memberi label pada bingkai video: + *Deteksi objek bingkai video*: Memungkinkan pekerja untuk mengidentifikasi dan menemukan objek dalam bingkai video. + *Pelacakan objek bingkai video*: Memungkinkan pekerja untuk melacak pergerakan objek di seluruh bingkai video. + *Pekerjaan penyesuaian bingkai video*: Mintalah pekerja menyesuaikan label, atribut kategori label, dan atribut bingkai dari deteksi objek bingkai video sebelumnya atau pekerjaan pelabelan pelacakan objek. + *Pekerjaan verifikasi bingkai video*: Mintalah pekerja memverifikasi label, atribut kategori label, dan atribut bingkai dari deteksi objek bingkai video sebelumnya atau pekerjaan pelabelan pelacakan objek. Jika Anda memiliki file video, Anda dapat menggunakan alat ekstraksi bingkai otomatis Ground Truth untuk mengekstrak bingkai video dari video Anda. Untuk mempelajari selengkapnya, lihat [Data Masukan Bingkai Video](sms-video-frame-input-data-overview.md). **Tip** Untuk mempelajari lebih lanjut tentang jenis file yang didukung dan kuota data input, lihat[Data input](sms-data-input.md). **Topics** + [Klasifikasi video](sms-video-classification.md) + [Bingkai video](sms-video-task-types.md) + [Instruksi Pekerja](sms-video-worker-instructions.md) # Klasifikasi video Gunakan tugas pelabelan klasifikasi video Amazon SageMaker Ground Truth saat Anda membutuhkan pekerja untuk mengklasifikasikan video menggunakan label yang telah ditentukan sebelumnya yang Anda tentukan. Pekerja diperlihatkan video dan diminta untuk memilih satu label untuk setiap video. Anda membuat pekerjaan pelabelan klasifikasi video menggunakan bagian Ground Truth di konsol Amazon SageMaker AI atau [CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)operasinya. File video Anda harus dikodekan dalam format yang didukung oleh browser yang digunakan oleh tim kerja yang memberi label data Anda. Anda disarankan untuk memverifikasi bahwa semua format file video dalam file manifes masukan ditampilkan dengan benar menggunakan pratinjau UI pekerja. Anda dapat mengkomunikasikan browser yang didukung kepada pekerja Anda menggunakan instruksi pekerja. Untuk melihat format file yang didukung, lihat[Format data yang didukung](sms-supported-data-formats.md). **penting** Untuk jenis tugas ini, jika Anda membuat file manifes sendiri, gunakan `"source-ref"` untuk mengidentifikasi lokasi setiap file video di Amazon S3 yang ingin diberi label. Untuk informasi selengkapnya, lihat [Data input](sms-data-input.md). ## Membuat Job Pelabelan Klasifikasi Video (Konsol) Anda dapat mengikuti petunjuk [Membuat Job Pelabelan (Konsol)](sms-create-labeling-job-console.md) untuk mempelajari cara membuat pekerjaan pelabelan klasifikasi video di konsol SageMaker AI. Pada langkah 10, pilih **Video** dari daftar dropdown **kategori tugas**, dan pilih **Klasifikasi Video** sebagai jenis tugas. Ground Truth menyediakan UI pekerja yang mirip dengan yang berikut ini untuk tugas pelabelan. Saat membuat pekerjaan pelabelan di konsol, Anda menentukan petunjuk untuk membantu pekerja menyelesaikan pekerjaan dan label yang dapat dipilih pekerja. ![\[Gif menunjukkan cara membuat pekerjaan pelabelan klasifikasi video di konsol SageMaker AI.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/vid_classification.gif) ## Membuat Job Pelabelan Klasifikasi Video (API) Bagian ini mencakup detail yang perlu Anda ketahui saat membuat pekerjaan pelabelan 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) Ikuti petunjuk [Membuat Job Pelabelan (API)](sms-create-labeling-job-api.md) dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda: + Gunakan fungsi Lambda pra-anotasi yang diakhiri dengan. `PRE-VideoClassification` Untuk menemukan Lambda ARN pra-anotasi untuk Wilayah Anda, lihat. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) + Gunakan fungsi Lambda anotasi-konsolidasi yang diakhiri dengan. `ACS-VideoClassification` Untuk menemukan Lambda ARN konsolidasi anotasi untuk Wilayah Anda, lihat. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) 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-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-VideoClassification', 'TaskKeywords': [ 'Video Classification', ], 'TaskTitle': 'Video classification task', 'TaskDescription': 'Select a label to classify this video', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoClassification' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ### Berikan Template untuk Klasifikasi Video Jika Anda membuat pekerjaan pelabelan menggunakan API, Anda harus menyediakan template tugas pekerja di`UiTemplateS3Uri`. Salin dan modifikasi template berikut dengan memodifikasi`short-instructions`,`full-instructions`, dan`header`. Unggah template ini ke Amazon S3, dan berikan URI Amazon S3 ke file ini. `UiTemplateS3Uri` ```
  1. Read the task carefully and inspect the video.
  2. Read the options and review the examples provided to understand more about the labels.
  3. Choose the appropriate label that best suits the video.

Good example

Enter description to explain the correct label to the workers

Bad example

Enter description of an incorrect label

 ``` ## Data Keluaran Klasifikasi Video Setelah Anda membuat tugas pelabelan klasifikasi video, data keluaran Anda akan berada di bucket Amazon S3 yang ditentukan dalam `S3OutputPath` parameter saat menggunakan API atau di bidang lokasi **kumpulan data Output** di bagian Ikhtisar **pekerjaan** konsol. Untuk mempelajari lebih lanjut tentang file manifes keluaran yang dihasilkan oleh Ground Truth dan struktur file yang digunakan Ground Truth untuk menyimpan data keluaran Anda, lihat[Pelabelan data keluaran pekerjaan](sms-data-output.md). Untuk melihat contoh file manifes keluaran untuk pekerjaan pelabelan klasifikasi video, lihat[Klasifikasi output pekerjaan](sms-data-output.md#sms-output-class). # 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. # Instruksi Pekerja Topik ini memberikan gambaran umum tentang portal pekerja Ground Truth dan alat yang tersedia untuk menyelesaikan tugas pelabelan bingkai video Anda. Pertama, pilih jenis tugas yang sedang Anda kerjakan dari **Topik**. **penting** Disarankan agar Anda menyelesaikan tugas Anda menggunakan browser web Google Chrome atau Firefox. Untuk pekerjaan penyesuaian, pilih jenis tugas pekerjaan pelabelan asli yang menghasilkan label yang Anda sesuaikan. Tinjau dan sesuaikan label dalam tugas Anda sesuai kebutuhan. **Topics** + [Navigasikan UI](sms-video-worker-instructions-worker-ui-ot.md) + [Edit Massal Label dan Atribut Bingkai](sms-video-frame-worker-instructions-ot-bulk-edit.md) + [Panduan Alat](sms-video-worker-instructions-tool-guide.md) + [Panduan Ikon](sms-video-worker-instructions-ot-icons.md) + [Pintasan](sms-video-worker-instructions-ot-hot-keys.md) + [Memahami Opsi Rilis, Berhenti dan Lanjutkan, dan Tolak Tugas](sms-video-worker-instructions-skip-reject-ot.md) + [Menyimpan Pekerjaan Anda dan Mengirimkan](sms-video-worker-instructions-saving-work-ot.md) + [Tugas Pelacakan Objek Bingkai Video](sms-video-ot-worker-instructions.md) + [Tugas Deteksi Objek Bingkai Video](sms-video-od-worker-instructions.md) # Navigasikan UI Anda dapat menavigasi antara bingkai video menggunakan bilah navigasi di sudut kiri bawah UI Anda. Gunakan tombol putar untuk secara otomatis bergerak melalui seluruh urutan bingkai. Gunakan bingkai berikutnya dan tombol bingkai sebelumnya untuk bergerak maju atau mundur satu frame pada satu waktu. Anda juga dapat memasukkan nomor bingkai untuk menavigasi ke bingkai itu. Video berikut menunjukkan cara menavigasi antara bingkai video. ![\[Gif menunjukkan cara menavigasi antar bingkai video.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/nav_video_ui.gif) Anda dapat memperbesar ke dan keluar dari semua bingkai video. Setelah Anda memperbesar bingkai video, Anda dapat bergerak dalam bingkai itu menggunakan ikon pindah. Saat Anda mengatur tampilan baru dalam satu bingkai video dengan memperbesar dan bergerak di dalam bingkai itu, semua bingkai video diatur ke tampilan yang sama. Anda dapat mengatur ulang semua bingkai video ke tampilan aslinya menggunakan ikon layar fit. Untuk opsi tampilan tambahan, lihat[Panduan Ikon](sms-video-worker-instructions-ot-icons.md). Saat Anda berada di UI pekerja, Anda melihat menu berikut: + **Instruksi** — Tinjau instruksi ini sebelum memulai tugas Anda. Selain itu, pilih **Instruksi lainnya** dan tinjau petunjuk ini. + **Pintasan** — Gunakan menu ini untuk melihat pintasan keyboard yang dapat Anda gunakan untuk menavigasi bingkai video dan menggunakan alat yang disediakan. + **Bantuan** — Gunakan opsi ini untuk merujuk kembali ke dokumentasi ini. # Edit Massal Label dan Atribut Bingkai Anda dapat mengedit atribut label dan atribut bingkai (atribut) secara massal. Saat Anda mengedit atribut secara massal, Anda menentukan satu atau beberapa rentang bingkai yang ingin Anda terapkan pengeditannya. Atribut yang Anda pilih diedit di semua frame dalam rentang tersebut, termasuk frame awal dan akhir yang Anda tentukan. Saat Anda mengedit atribut label secara massal, rentang yang Anda tentukan *harus* berisi label tempat atribut label dilampirkan. Jika Anda menentukan bingkai yang tidak mengandung label ini, Anda akan menerima kesalahan. Untuk mengedit atribut secara massal, Anda *harus* menentukan nilai yang diinginkan untuk atribut terlebih dahulu. Misalnya, jika Anda ingin mengubah atribut dari *Ya* ke *Tidak*, Anda harus memilih *Tidak*, dan kemudian melakukan pengeditan massal. Anda juga dapat menentukan nilai baru untuk atribut yang belum diisi dan kemudian menggunakan fitur edit massal untuk mengisi nilai tersebut dalam beberapa bingkai. Untuk melakukan ini, pilih nilai yang diinginkan untuk atribut dan selesaikan prosedur berikut. **Untuk mengedit label atau atribut secara massal:** 1. Gunakan mouse Anda untuk mengklik kanan atribut yang ingin Anda edit massal. 1. Tentukan rentang bingkai yang ingin Anda terapkan pengeditan massal untuk menggunakan tanda hubung (`-`) di kotak teks. Misalnya, jika Anda ingin menerapkan pengeditan ke bingkai satu hingga sepuluh, masukkan`1-10`. Jika Anda ingin menerapkan pengeditan ke bingkai dua hingga lima, delapan hingga sepuluh dan dua puluh enter`2-5,8-10,20`. 1. Pilih **Konfirmasi**. Jika Anda mendapatkan pesan kesalahan, verifikasi bahwa Anda memasukkan rentang yang valid dan label yang terkait dengan atribut label yang Anda edit (jika ada) ada di semua bingkai yang ditentukan. Anda dapat dengan cepat menambahkan label ke semua frame sebelumnya atau berikutnya menggunakan opsi **Duplikat ke bingkai sebelumnya** dan **Duplikat ke bingkai berikutnya** di menu **Label** di bagian atas layar Anda. # Panduan Alat Tugas Anda akan mencakup satu atau lebih alat. Alat yang disediakan menentukan jenis anotasi yang akan Anda buat untuk mengidentifikasi dan melacak objek. Gunakan tabel berikut untuk mempelajari lebih lanjut tentang setiap alat yang disediakan. **** | Alat | Ikon | Tindakan | Deskripsi | | --- | --- | --- | --- | | Kotak pembatas | ![\[Ikon kotak Bounding.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Bounding%20Box.png) | Tambahkan anotasi kotak pembatas. | Pilih ikon ini untuk menambahkan kotak pembatas. Setiap kotak pembatas yang Anda tambahkan dikaitkan dengan kategori yang Anda pilih dari menu tarik-turun kategori Label. Pilih kotak pembatas atau label terkait untuk menyesuaikannya. | | Prediksi selanjutnya | ![\[Ikon Prediksi berikutnya.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/PredictNext.png) | Memprediksi kotak pembatas di frame berikutnya. | Pilih kotak pembatas, lalu pilih ikon ini untuk memprediksi lokasi kotak itu di bingkai berikutnya. Anda dapat memilih ikon beberapa kali berturut-turut untuk secara otomatis mendeteksi lokasi kotak dalam beberapa bingkai. Misalnya, pilih ikon ini 5 kali untuk memprediksi lokasi kotak pembatas dalam 5 frame berikutnya. | | Titik kunci | ![\[Ikon Keypoint.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Keypoint.png) | Tambahkan anotasi keypoint. | Pilih ikon ini untuk menambahkan keypoint. Klik pada objek gambar untuk menempatkan keypoint di lokasi itu. Setiap keypoint yang Anda tambahkan dikaitkan dengan kategori yang Anda pilih dari menu tarik-turun kategori Label. Pilih keypoint atau label terkait untuk menyesuaikannya. | | Polyline | ![\[Ikon Polyline.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/polyline.png) | Tambahkan anotasi polyline. | Pilih ikon ini untuk menambahkan polyline. Untuk menambahkan polyline, terus klik di sekitar objek yang menarik untuk menambahkan poin baru. Untuk berhenti menggambar polyline, pilih titik terakhir yang Anda tempatkan untuk kedua kalinya (titik ini akan berwarna hijau), atau tekan **Enter** pada keyboard Anda. 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. Setiap polyline yang Anda tambahkan dikaitkan dengan kategori yang Anda pilih dari menu tarik-turun kategori Label. Pilih polyline atau label terkait untuk menyesuaikannya. | | Polygon | ![\[Ikon Polygon.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Polygon.png) | Tambahkan anotasi poligon. | Pilih ikon ini untuk menambahkan poligon. Untuk menambahkan poligon, terus klik di sekitar objek yang menarik untuk menambahkan poin baru. Untuk berhenti menggambar poligon, pilih titik awal (titik ini akan berwarna hijau). Poligon adalah bentuk tertutup yang ditentukan oleh serangkaian titik yang Anda tempatkan. Setiap titik yang ditambahkan ke poligon dihubungkan ke titik sebelumnya dengan garis dan tidak ada batasan pada sudut yang terbentuk di antara garis. Titik awal dan akhir harus sama. Setiap poligon yang Anda tambahkan dikaitkan dengan kategori yang Anda pilih dari menu tarik-turun kategori Label. Pilih poligon atau label terkait untuk menyesuaikannya. | | Salin ke Berikutnya | ![\[Ikon Salin ke Berikutnya.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/copy_to_next.png) | Salin anotasi ke frame berikutnya. | Jika satu atau beberapa anotasi dipilih dalam bingkai saat ini, anotasi tersebut akan disalin ke bingkai berikutnya. Jika tidak ada anotasi yang dipilih, semua anotasi dalam bingkai saat ini akan disalin ke bingkai berikutnya. | | Salin ke Semua | ![\[Ikon Salin ke Semua.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/copy_to_all.png) | Salin anotasi ke semua frame berikutnya. | Jika satu atau beberapa anotasi dipilih dalam bingkai saat ini, anotasi tersebut disalin ke semua frame berikutnya. Jika tidak ada anotasi yang dipilih, semua anotasi dalam bingkai saat ini akan disalin ke semua frame berikutnya. | # Panduan Ikon Gunakan tabel ini untuk mempelajari tentang ikon yang Anda lihat di UI. Anda dapat secara otomatis memilih beberapa ikon ini menggunakan pintasan keyboard yang ditemukan di menu **Pintasan**. | Ikon | Tindakan | Deskripsi | | --- | --- | --- | | ![\[Ikon Kecerahan.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Brightness.png) | keterangan | Pilih ikon ini untuk menyesuaikan kecerahan semua bingkai video. | | ![\[Ikon Kontras.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Contrast.png) | kontras | Pilih ikon ini untuk menyesuaikan kontras semua bingkai video. | | ![\[Ikon Zoom in.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Zoom-in.png) | memperbesar | Pilih ikon ini untuk memperbesar semua bingkai video. | | ![\[Ikon Zoom out.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Zoom-out.png) | memperkecil | Pilih ikon ini untuk memperkecil semua bingkai video. | | ![\[Ikon Pindah.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Move.png) | memindahkan layar | Setelah Anda memperbesar bingkai video, pilih ikon ini untuk bergerak dalam bingkai video itu. Anda dapat bergerak di sekitar bingkai video menggunakan mouse Anda dengan mengklik dan menyeret bingkai ke arah yang Anda inginkan untuk bergerak. Ini akan mengubah tampilan di semua bingkai tampilan. | | ![\[Ikon layar Fit.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Fit%20screen.png) | layar pas | Setel ulang semua bingkai video ke posisi semula. | | ![\[Ikon Undo.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Undo.png) | membatalkan | Membatalkan tindakan. Anda dapat menggunakan ikon ini untuk menghapus kotak pembatas yang baru saja Anda tambahkan, atau untuk membatalkan penyesuaian yang Anda buat ke kotak pembatas. | | ![\[Ikon Redo.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Redo.png) | mengulang | Ulangi tindakan yang dibatalkan menggunakan ikon undo. | | ![\[Ikon Hapus label.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Delete.png) | hapus label | Hapus label. Ini akan menghapus kotak pembatas yang terkait dengan label dalam satu bingkai. | | ![\[Ikon Tampilkan atau sembunyikan label.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Show_Hide.png) | tampilkan atau sembunyikan label | Pilih ikon ini untuk menampilkan label yang telah disembunyikan. Jika ikon ini memiliki garis miring, pilih untuk menyembunyikan label. | | ![\[Ikon Edit.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/Edit.png) | edit label | Pilih ikon ini untuk membuka menu Edit instance. Gunakan menu ini untuk mengedit kategori label, ID, dan untuk menambah atau mengedit atribut label. | # Pintasan Pintasan keyboard yang tercantum dalam menu **Pintasan** dapat membantu Anda dengan cepat memilih ikon, membatalkan dan mengulang anotasi, dan menggunakan alat untuk menambah dan mengedit anotasi. Misalnya, setelah Anda menambahkan kotak pembatas, Anda dapat menggunakan **P** untuk memprediksi lokasi kotak itu dengan cepat di bingkai berikutnya. Sebelum Anda memulai tugas Anda, disarankan agar Anda meninjau menu **Pintasan** dan berkenalan dengan perintah-perintah ini. # Memahami Opsi Rilis, Berhenti dan Lanjutkan, dan Tolak Tugas Saat Anda membuka tugas pelabelan, tiga tombol di kanan atas memungkinkan Anda untuk menolak tugas (**Tolak tugas**), **lepaskan (Lepaskan tugas**), dan hentikan dan lanjutkan di lain waktu (**Berhenti dan lanjutkan nanti**). Daftar berikut menjelaskan apa yang terjadi ketika Anda memilih salah satu opsi ini: + **Tolak tugas**: Anda hanya boleh menolak tugas jika ada yang salah dengan tugas tersebut, seperti gambar bingkai video yang tidak jelas atau masalah dengan UI. Jika Anda menolak tugas, Anda tidak akan dapat kembali ke tugas. + **Release Task**: Gunakan opsi ini untuk melepaskan tugas dan memungkinkan orang lain untuk mengerjakannya. Ketika Anda melepaskan tugas, Anda kehilangan semua pekerjaan yang dilakukan pada tugas itu dan pekerja lain di tim Anda dapat mengambilnya. Jika cukup banyak pekerja yang mengambil tugas, Anda mungkin tidak dapat kembali ke sana. Ketika Anda memilih tombol ini dan kemudian pilih **Konfirmasi**, Anda dikembalikan ke portal pekerja. Jika tugas masih tersedia, statusnya akan **Tersedia**. Jika pekerja lain mengambilnya, itu akan hilang dari portal Anda. + **Berhenti dan lanjutkan nanti**: Anda dapat menggunakan tombol **Berhenti dan lanjutkan nanti** untuk berhenti bekerja dan kembali ke tugas di lain waktu. Anda harus menggunakan tombol **Simpan** untuk menyimpan pekerjaan Anda sebelum memilih **Berhenti dan lanjutkan nanti**. Ketika Anda memilih tombol ini dan kemudian pilih **Konfirmasi**, Anda dikembalikan ke portal pekerja, dan status tugas **Dihentikan**. Anda dapat memilih tugas yang sama untuk melanjutkan pengerjaannya. Sadarilah bahwa orang yang membuat tugas pelabelan Anda menentukan batas waktu di mana semua tugas banyak diselesaikan oleh. Jika Anda tidak kembali dan menyelesaikan tugas ini dalam batas waktu itu, itu akan kedaluwarsa dan pekerjaan Anda tidak akan diserahkan. Hubungi administrator Anda untuk informasi lebih lanjut. ![\[Gif menampilkan lokasi tugas Tolak, tugas Rilis, dan Berhenti dan lanjutkan nanti di UI.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/reject-decline-task.gif) # Menyimpan Pekerjaan Anda dan Mengirimkan Anda harus menyimpan pekerjaan Anda secara berkala menggunakan tombol **Simpan**. Ground Truth akan secara otomatis menghemat pekerjaan Anda selama 15 menit. Saat Anda membuka tugas, Anda harus menyelesaikan pekerjaan Anda sebelum menekan **Kirim**. # Tugas Pelacakan Objek Bingkai Video Tugas pelacakan objek bingkai video mengharuskan Anda melacak pergerakan objek di seluruh bingkai video. Bingkai video adalah gambar diam dari adegan video. Anda dapat menggunakan UI pekerja untuk menavigasi antara bingkai video dan menggunakan alat yang disediakan untuk mengidentifikasi objek unik dan melacak pergerakannya dari satu ke yang berikutnya. Gunakan topik berikut untuk mempelajari cara menavigasi UI pekerja Anda, menggunakan alat yang disediakan, dan menyelesaikan tugas Anda. Disarankan agar Anda menyelesaikan tugas Anda menggunakan browser web Google Chrome atau Firefox. **penting** Jika Anda melihat anotasi telah ditambahkan ke satu atau beberapa bingkai video saat membuka tugas, sesuaikan anotasi tersebut dan tambahkan anotasi tambahan sesuai kebutuhan. **Topics** + [Tugas Anda](sms-video-worker-instructions-ot-task.md) # Tugas Anda Saat mengerjakan tugas pelacakan objek bingkai video, Anda harus memilih kategori dari menu **kategori Label** di sisi kanan portal pekerja Anda untuk mulai membuat anotasi. Setelah Anda memilih kategori, gunakan alat yang disediakan untuk membubuhi keterangan objek yang berlaku untuk kategori tersebut. Anotasi ini akan dikaitkan dengan ID label unik yang seharusnya hanya digunakan untuk objek itu. Gunakan ID label yang sama ini untuk membuat anotasi tambahan untuk objek yang sama di semua bingkai video yang muncul. Lihat [Panduan Alat](sms-video-worker-instructions-tool-guide.md) untuk mempelajari lebih lanjut tentang alat yang disediakan. **Setelah menambahkan label, Anda mungkin melihat panah menunjuk ke bawah di samping label di menu Label.** Pilih panah ini dan kemudian pilih satu opsi untuk setiap atribut label yang Anda lihat untuk memberikan informasi lebih lanjut tentang label itu. Anda mungkin melihat atribut bingkai di bawah menu **Label**. Atribut ini akan muncul di setiap frame dalam tugas Anda. Gunakan prompt atribut ini untuk memasukkan informasi tambahan tentang setiap frame. ![\[Contoh prompt atribut frame.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/frame-attributes.png) **Setelah menambahkan label, Anda dapat dengan cepat menambahkan dan mengedit nilai atribut kategori label dengan menggunakan panah menunjuk ke bawah di samping label di menu Label.** Jika Anda memilih ikon pensil di sebelah label di menu **Label**, menu **Edit instance** akan muncul. Anda dapat mengedit ID label, kategori label, dan atribut kategori label menggunakan menu ini. ![\[Gif menunjukkan bagaimana Anda dapat mengedit anotasi untuk label dalam bingkai.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/kitti-ot-general.gif) Untuk mengedit anotasi, pilih label anotasi yang ingin Anda edit di menu **Label** atau pilih anotasi dalam bingkai. Saat Anda mengedit atau menghapus anotasi, tindakan hanya akan mengubah anotasi dalam satu bingkai. Jika Anda mengerjakan tugas yang menyertakan alat kotak pembatas, gunakan ikon prediksi berikutnya untuk memprediksi lokasi semua kotak pembatas yang telah Anda gambar dalam bingkai di bingkai berikutnya. Jika Anda memilih satu kotak dan kemudian memilih ikon prediksi berikutnya, hanya kotak itu yang akan diprediksi di bingkai berikutnya. Jika Anda belum menambahkan kotak apa pun ke bingkai saat ini, Anda akan menerima kesalahan. Anda harus menambahkan setidaknya satu kotak ke bingkai sebelum menggunakan fitur ini. Setelah Anda menggunakan ikon prediksi berikutnya, tinjau lokasi setiap kotak di bingkai berikutnya dan buat penyesuaian pada lokasi dan ukuran kotak jika perlu. Grafik berikut menunjukkan cara menggunakan alat prediksi berikutnya: ![\[Gif menunjukkan bagaimana Anda dapat menyesuaikan kotak yang diprediksi untuk frame berikutnya.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/kitti-ot-predict-next.gif) Untuk semua alat lainnya, Anda dapat menggunakan **Salin ke berikutnya** dan **Salin ke semua** alat untuk menyalin anotasi Anda ke bingkai berikutnya atau semua bingkai masing-masing. # Tugas Deteksi Objek Bingkai Video Tugas deteksi objek bingkai video mengharuskan Anda untuk mengklasifikasikan dan mengidentifikasi lokasi objek dalam bingkai video menggunakan anotasi. Bingkai video adalah gambar diam dari adegan video. Anda dapat menggunakan UI pekerja untuk menavigasi antara bingkai video dan membuat anotasi untuk mengidentifikasi objek yang diminati. Gunakan topik berikut untuk mempelajari cara menavigasi UI pekerja Anda, menggunakan alat yang disediakan, dan menyelesaikan tugas Anda. Disarankan agar Anda menyelesaikan tugas Anda menggunakan browser web Google Chrome. **penting** Jika Anda melihat anotasi telah ditambahkan ke satu atau beberapa bingkai video saat membuka tugas, sesuaikan anotasi tersebut dan tambahkan anotasi tambahan sesuai kebutuhan. **Topics** + [Tugas Anda](sms-video-worker-instructions-od-task.md) # Tugas Anda Saat mengerjakan tugas deteksi objek bingkai video, Anda harus memilih kategori dari menu **kategori Label** di sisi kanan portal pekerja Anda untuk mulai membuat anotasi. Setelah Anda memilih kategori, gambar anotasi di sekitar objek yang berlaku untuk kategori ini. Untuk mempelajari lebih lanjut tentang alat yang Anda lihat di UI pekerja, lihat[Panduan Alat](sms-video-worker-instructions-tool-guide.md). **Setelah menambahkan label, Anda mungkin melihat panah menunjuk ke bawah di samping label di menu Label.** Pilih panah ini dan kemudian pilih satu opsi untuk setiap atribut label yang Anda lihat untuk memberikan informasi lebih lanjut tentang label itu. ![\[Gif menunjukkan bagaimana seorang pekerja dapat menggunakan alat kotak pembatas untuk tugas deteksi objek mereka.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif) Anda mungkin melihat atribut bingkai di bawah menu **Label**. Atribut ini akan muncul di setiap frame dalam tugas Anda. Gunakan prompt atribut ini untuk memasukkan informasi tambahan tentang setiap frame. ![\[Contoh prompt atribut frame.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/frame-attributes.png) Untuk mengedit anotasi, pilih label anotasi yang ingin Anda edit di menu **Label** atau pilih anotasi dalam bingkai. Saat Anda mengedit atau menghapus anotasi, tindakan hanya akan mengubah anotasi dalam satu bingkai. Jika Anda mengerjakan tugas yang menyertakan alat kotak pembatas, gunakan ikon prediksi berikutnya untuk memprediksi lokasi semua kotak pembatas yang telah Anda gambar dalam bingkai di bingkai berikutnya. Jika Anda memilih satu kotak dan kemudian memilih ikon prediksi berikutnya, hanya kotak itu yang akan diprediksi di bingkai berikutnya. Jika Anda belum menambahkan kotak apa pun ke bingkai saat ini, Anda akan menerima kesalahan. Anda harus menambahkan setidaknya satu kotak ke bingkai sebelum menggunakan fitur ini. **catatan** Fitur prediksi berikutnya tidak akan menimpa anotasi yang dibuat secara manual. Ini hanya akan menambahkan anotasi. Jika Anda menggunakan prediksi berikutnya dan sebagai hasilnya memiliki lebih dari satu kotak pembatas di sekitar satu objek, hapus semua kecuali satu kotak. Setiap objek hanya boleh diidentifikasi dengan satu kotak. Setelah Anda menggunakan ikon prediksi berikutnya, tinjau lokasi setiap kotak di bingkai berikutnya dan buat penyesuaian pada lokasi dan ukuran kotak jika perlu. Grafik berikut menunjukkan cara menggunakan alat prediksi berikutnya: ![\[Gif menunjukkan bagaimana seorang pekerja dapat menyesuaikan kotak yang diprediksi di frame berikutnya.\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/kitti-video-od.gif) Untuk semua alat lainnya, Anda dapat menggunakan **Salin ke berikutnya** dan **Salin ke semua** alat untuk menyalin anotasi Anda ke bingkai berikutnya atau semua bingkai masing-masing.