기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 비디오 프레임 Ground Truth의 내장 비디오 프레임 작업 유형을 사용하면 작업자가 경계 상자, 폴리라인, 다각형 또는 키포인트를 사용하여 비디오 프레임에 주석을 달도록 할 수 있습니다. *비디오 프레임*은 비디오에서 추출된 일련의 이미지입니다. 비디오 프레임이 없는 경우 비디오 파일 (MP4 파일) 을 제공하고 Ground Truth 자동 프레임 추출 도구를 사용하여 비디오 프레임을 추출할 수 있습니다. 자세한 내용은 [비디오 파일 제공](sms-point-cloud-video-input-data.md#sms-point-cloud-video-frame-extraction)를 참조하세요. Amazon SageMaker AI 콘솔, API 및 언어별 SDK를 사용하여 다음과 같은 내장된 비디오 태스크 유형을 사용하여 비디오 프레임 레이블링 작업을 생성할 수 있습니다. + **비디오 프레임 객체 감지** - 작업자가 비디오 프레임 시퀀스에서 객체를 식별하고 찾도록 하려면 이 작업 유형을 사용하세요. 범주 목록을 제공하면 작업자가 한 번에 하나의 범주를 선택하고 모든 프레임에서 해당 범주가 적용되는 객체에 주석을 달 수 있습니다. 예를 들어, 이 작업을 사용하여 작업자에게 자동차, 자전거, 보행자 등 장면의 다양한 객체 식별과 위치 파악을 요청할 수 있습니다. + **비디오 프레임 객체 추적** - 작업자가 비디오 프레임 시퀀스에서 객체 인스턴스의 움직임을 추적하도록 하려는 경우 이 작업 유형을 사용합니다. 작업자가 단일 프레임에 주석을 추가하면 해당 주석이 고유한 인스턴스 ID와 연결됩니다. 작업자는 다른 모든 프레임에 동일한 ID와 관련된 주석을 추가하여 동일한 객체 또는 사람을 식별합니다. 예를 들어 작업자는 표시된 각 프레임에서 차량 주위에 동일한 ID와 관련된 경계 상자를 그려 비디오 프레임 시퀀스에서 차량의 움직임을 추적할 수 있습니다. 이러한 기본 제공 작업 유형과 각 작업 유형을 사용하여 레이블 지정 작업을 생성하는 방법에 대해 자세히 알아보려면 다음 항목을 사용하세요. 이러한 작업 유형에 사용할 수 있는 주석 도구 (경계 상자, 폴리라인, 다각형 및 키포인트) 에 대한 자세한 내용은 [Task 유형](sms-video-overview.md#sms-video-frame-tools) 섹션을 참조하세요. 레이블 지정 작업을 생성하기 전에 [비디오 프레임 레이블 지정 작업 참조](sms-video-overview.md)를 읽어보는 것이 좋습니다. **Topics** + [비디오 프레임 객체 감지를 사용하여 객체 식별](sms-video-object-detection.md) + [비디오 프레임 객체 추적을 사용하여 비디오 프레임에서 객체 추적](sms-video-object-tracking.md) + [비디오 프레임 레이블 지정 작업 참조](sms-video-overview.md) # 비디오 프레임 객체 감지를 사용하여 객체 식별 비디오 프레임 객체 감지 작업 유형을 사용하면 작업자가 경계 상자, 폴리라인, 다각형 또는 키포인트 *주석 도구*를 사용하여 일련의 비디오 프레임(비디오에서 추출한 이미지)에 있는 물체를 식별하고 찾도록 할 수 있습니다. 선택한 도구에 따라 생성하는 비디오 프레임 작업 유형이 정의됩니다. 예를 들어 바운딩 박스 비디오 프레임 객체 감지 작업 유형 작업자를 사용하여 일련의 비디오 프레임에서 자동차, 자전거, 보행자와 같은 다양한 객체를 식별하고 지역화할 수 있습니다. Amazon SageMaker AI Ground Truth 콘솔, SageMaker API 및 언어별 AWS SDKs. 자세한 내용은 [비디오 프레임 객체 감지 라벨링 작업 생성](#sms-video-od-create-labeling-job)을 참조하여 원하는 방법을 선택하세요. 라벨링 작업을 생성할 때 선택할 수 있는 주석 도구에 대한 자세한 내용은 [Task 유형](sms-video-overview.md#sms-video-frame-tools)를 참조하세요. Ground Truth는 [작업자 UI 미리 보기](#sms-video-od-worker-ui) 라벨링 작업을 완료하기 위한 작업자 UI와 도구를 제공합니다. 비디오 객체 감지 조정 태스크 유형을 사용하여 비디오 객체 감지 레이블 지정 작업 시 생성한 주석을 조정하는 작업을 생성할 수 있습니다. 자세한 내용은 [비디오 프레임 객체 감지 조정 또는 검증 라벨링 작업 생성](#sms-video-od-adjustment) 섹션을 참조하세요. ## 작업자 UI 미리 보기 Ground Truth는 작업자에게 비디오 프레임 객체 감지 주석 작업을 완료할 수 있는 웹 사용자 인터페이스 (UI) 를 제공합니다. 콘솔에서 레이블 지정 작업을 생성할 때 작업자 UI를 미리 보고 상호 작용할 수 있습니다. 신규 사용자의 경우 작은 입력 데이터 세트를 사용하여 콘솔을 통해 레이블 지정 작업을 생성하여 작업자 UI를 미리 보고 동영상 프레임, 레이블, 레이블 속성이 예상대로 나타나는지 확인하는 것이 좋습니다. UI는 작업자에게 다음과 같은 보조 레이블 지정 도구를 제공하여 객체 감지 작업을 완료할 수 있도록 합니다. + 작업자는 모든 작업에 대해 **다음으로 복사** 및 **모든 항목에 복사** 기능을 사용하여 주석을 다음 프레임 또는 모든 후속 프레임에 각각 복사할 수 있습니다. + 경계 상자 도구가 포함된 작업의 경우 작업자는 **다음 예측** 기능을 사용하여 단일 프레임에 경계 상자를 그린 다음 Ground Truth가 다른 모든 프레임에서 동일한 레이블을 가진 상자의 위치를 예측하도록 할 수 있습니다. 그러면 작업자가 조정하여 예측된 상자 위치를 수정할 수 있습니다. 다음 동영상은 작업자가 바운딩 박스 도구와 함께 작업자 UI를 사용하여 물체 감지 작업을 완료하는 방법을 보여줍니다. ![\[작업자가 객체 감지 작업에 경계 상자 도구를 사용하는 방법을 보여주는 Gif입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif) ## 비디오 프레임 객체 감지 라벨링 작업 생성 SageMaker AI 콘솔 또는 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) API 작업을 사용하여 비디오 프레임 객체 감지 레이블링 작업을 생성할 수 있습니다. 이 섹션에서는 [비디오 프레임 레이블 지정 작업 참조](sms-video-overview.md)을 검토하고 사용 중인 입력 데이터 유형과 입력 데이터세트 연결을 선택했다고 가정합니다. ### 레이블 지정 작업 생성(콘솔) [레이블 지정 작업 생성(콘솔)](sms-create-labeling-job-console.md)의 지침에 따라 SageMaker AI 콘솔에서 비디오 프레임 객체 추적 작업을 생성하는 방법을 알아볼 수 있습니다. 10단계에서 **작업 범주** 드롭다운 목록에서 **비디오 - 객체 감지**를 선택합니다. **작업 선택**에서 카드 중 하나를 선택하여 원하는 작업 유형을 선택합니다. ![\[SageMaker AI 콘솔에서 비디오 프레임 객체 추적 작업을 생성하는 방법을 보여주는 Gif.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/video/task-type-vod.gif) ### 레이블 지정 작업 생성(API) SageMaker API 작업 `CreateLabelingJob`를 사용하여 객체 감지 라벨링 작업을 생성합니다. 이 API는 모든 AWS SDK에 대해 이 연산을 정의합니다. 이 연산에 지원되는 언어별 SDK 목록을 보려면 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)의 **관련 항목** 섹션을 검토하세요. [레이블 지정 작업 생성(API)](sms-create-labeling-job-api.md)에서는 `CreateLabelingJob` 연산에 대한 개요를 제공합니다. 다음 지침에 따라 요청을 구성하는 동안 다음을 수행합니다. + `HumanTaskUiArn`에 대한 ARN을 입력해야 합니다. `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectDetection`를 사용합니다. ``을 레이블 지정 작업을 생성 중인 AWS 리전으로 바꿉니다. `UiTemplateS3Uri` 파라미터의 값을 포함하지 마세요. + [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)가 `-ref`에서 끝나야 합니다. 예를 들어 `video-od-labels-ref`입니다. + 입력 매니페스트 파일은 비디오 프레임 시퀀스 매니페스트 파일이어야 합니다. SageMaker AI 콘솔을 사용하여 이 매니페스트 파일을 생성하거나 수동으로 생성하여 Amazon S3에 업로드할 수 있습니다. 자세한 내용은 [입력 데이터 설정](sms-video-data-setup.md) 단원을 참조하십시오. + 개인 또는 공급업체 작업 팀만 사용하여 비디오 프레임 객체 감지 레이블 지정 작업을 생성할 수 있습니다. + 레이블 범주 구성 파일에서 레이블, 레이블 범주와 프레임 속성, 작업 유형, 작업자 지침을 지정합니다. 레이블 범주 구성 파일에서 `annotationType`를 사용하여 작업 유형(경계 상자, 폴리라인, 다각형 또는 키포인트)을 지정합니다. 이 파일을 생성하는 방법에 대한 자세한 내용은 [레이블 범주 및 프레임 속성을 사용하여 범주 구성 파일 레이블 지정](sms-label-cat-config-attributes.md) 섹션을 참조하세요. + 사전 주석 및 사후 주석(ACS) Lambda 함수에 대해 미리 정의된 ARN을 제공해야 합니다. 이러한 ARN은 레이블 지정 작업을 생성하는 데 사용되는 AWS 리전에 따라 다릅니다. + 사전 주석 Lambda ARN을 찾는 방법은 [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) 섹션을 참조하세요. 레이블 지정 작업을 생성 중인 리전을 사용하여 `PRE-VideoObjectDetection`로 끝나는 올바른 ARN을 찾습니다. + 사후 주석 Lambda ARN을 찾는 방법은 [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) 섹션을 참조하세요. 레이블 지정 작업을 생성 중인 리전을 사용하여 `ACS-VideoObjectDetection`로 끝나는 올바른 ARN을 찾습니다. + `NumberOfHumanWorkersPerDataObject`에 지정된 작업자 수는 `1`이어야 합니다. + 비디오 프레임 레이블 지정 작업에서는 자동 데이터 레이블 지정이 지원되지 않습니다. `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)`에서 파라미터의 값을 지정하지 마세요. + 비디오 프레임 객체 추적 레이블 지정 작업을 완료하는 데 몇 시간이 걸릴 수 있습니다. `TaskTimeLimitInSeconds`에서 이러한 레이블 지정 작업에 대해 더 긴 시간 제한을 지정할 수 있습니다(최대 7일 또는 604800초). 다음은 미국 동부(버지니아 북부) 리전에 레이블 지정 작업을 생성하는 [AWS Python SDK(Boto3) 요청](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)의 예시입니다. ``` 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' }, ] ) ``` ## 비디오 프레임 객체 감지 조정 또는 검증 라벨링 작업 생성 Ground Truth 콘솔 또는 `CreateLabelingJob` API를 사용하여 조정 및 확인 레이블 지정 작업을 생성할 수 있습니다. 조정 및 검증 레이블 지정 작업의 세부 정보와 해당 작업의 생성 방법을 알아보려면 [레이블 확인 및 조정](sms-verification-data.md)을(를) 참조하세요. ## 출력 데이터 형식 비디오 프레임 객체 감지 레이블 지정 작업을 생성하면 작업자에게 태스크가 전송됩니다. 작업자가 태스크를 완료하면 레이블 지정 작업을 생성할 때 지정한 Amazon S3 출력 위치에 레이블이 기록됩니다. 비디오 프레임 객체 감지 출력 데이터 형식에 대한 자세한 내용은 [비디오 프레임 객체 감지 출력](sms-data-output.md#sms-output-video-object-detection) 섹션을 참조하세요. Ground Truth를 처음 사용할 경우 [작업 출력 데이터 레이블 지정](sms-data-output.md)에서 Ground Truth 출력 데이터 형식의 세부 정보를 알아보세요. # 비디오 프레임 객체 추적을 사용하여 비디오 프레임에서 객체 추적 비디오 프레임 객체 추적 작업 유형을 사용하면 작업자가 경계 상자, 폴리라인, 다각형 또는 키포인트 *주석 도구*를 사용하여 일련의 비디오 프레임(비디오에서 추출된 이미지)에서 객체의 움직임을 추적하도록 할 수 있습니다. 선택한 도구에 따라 생성하는 비디오 프레임 작업 유형이 정의됩니다. 예를 들어 바운딩 박스 비디오 프레임 객체 추적 작업 유형을 사용하면 작업자 주위에 상자를 그려 자동차, 자전거, 보행자와 같은 객체의 움직임을 추적하도록 작업자에게 요청할 수 있습니다. 범주 목록을 제공하면 작업자가 비디오 프레임에 추가하는 각 주석이 인스턴스 ID를 사용하여 해당 범주의 *인스턴스*로 식별됩니다. 예를 들어, 레이블 카테고리 자동차를 제공하면 작업자가 주석을 다는 첫 번째 자동차에는 인스턴스 ID car:1이 됩니다. 작업자가 주석을 다는 두 번째 자동차에는 인스턴스 ID 카드:2가 표시됩니다. 객체의 움직임을 추적하기 위해 작업자는 모든 프레임의 객체 주위에 동일한 인스턴스 ID와 관련된 주석을 추가합니다. Amazon SageMaker AI Ground Truth 콘솔, SageMaker API 및 언어별 AWS SDKs. 자세한 내용은 [비디오 프레임 객체 감지 라벨링 작업 생성](sms-video-object-detection.md#sms-video-od-create-labeling-job)을 참조하여 원하는 방법을 선택하세요. 라벨링 작업을 생성할 때 선택할 수 있는 주석 도구에 대한 자세한 내용은 [Task 유형](sms-video-overview.md#sms-video-frame-tools)를 참조하세요. Ground Truth는 [작업자 UI 미리 보기](sms-video-object-detection.md#sms-video-od-worker-ui) 라벨링 작업을 완료하기 위한 작업자 UI와 도구를 제공합니다. 비디오 객체 감지 조정 태스크 유형을 사용하여 비디오 객체 감지 레이블 지정 작업 시 생성한 주석을 조정하는 작업을 생성할 수 있습니다. 자세한 내용은 [비디오 프레임 객체 감지 조정 또는 검증 라벨링 작업 생성](sms-video-object-detection.md#sms-video-od-adjustment) 섹션을 참조하세요. ## 작업자 UI 미리 보기 Ground Truth는 작업자에게 비디오 프레임 객체 추적 주석 작업을 완료할 수 있는 웹 사용자 인터페이스 (UI) 를 제공합니다. 콘솔에서 레이블 지정 작업을 생성할 때 작업자 UI를 미리 보고 상호 작용할 수 있습니다. 신규 사용자의 경우 작은 입력 데이터세트를 사용하여 콘솔을 통해 레이블 지정 작업을 생성하여 작업자 UI를 미리 보고 동영상 프레임, 레이블, 레이블 속성이 예상대로 나타나는지 확인하는 것이 좋습니다. UI는 작업자에게 다음과 같은 보조 레이블 지정 도구를 제공하여 객체 추적 작업을 완료할 수 있도록 합니다. + 모든 작업에 대해 작업자는 **다음으로 복사** 및 **모든 항목으로 복사** 기능을 사용하여 동일한 고유 ID가 있는 주석을 각각 다음 프레임 또는 모든 후속 프레임에 복사할 수 있습니다. + 경계 상자 도구가 포함된 작업의 경우 작업자는 **다음 예측** 기능을 사용하여 단일 프레임에 경계 상자를 그린 다음 Ground Truth가 다른 모든 프레임에서 동일한 고유 ID를 가진 상자의 위치를 예측하도록 할 수 있습니다. 그러면 작업자가 조정하여 예측된 상자 위치를 수정할 수 있습니다. 다음 동영상은 작업자가 바운딩 박스 도구와 함께 작업자 UI를 사용하여 객체 추적 작업을 완료하는 방법을 보여줍니다. ![\[작업자가 경계 상자 도구를 다음 예측 기능과 함께 사용하는 방법을 보여주는 Gif입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/video/ot_predict_next.gif) ## 비디오 프레임 객체 추적 라벨링 작업 생성 SageMaker AI 콘솔 또는 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) API 작업을 사용하여 비디오 프레임 객체 추적 레이블링 작업을 생성할 수 있습니다. 이 섹션에서는 [비디오 프레임 레이블 지정 작업 참조](sms-video-overview.md)을 검토하고 사용 중인 입력 데이터 유형과 입력 데이터세트 연결을 선택했다고 가정합니다. ### 레이블 지정 작업 생성(콘솔) [레이블 지정 작업 생성(콘솔)](sms-create-labeling-job-console.md)의 지침에 따라 SageMaker AI 콘솔에서 비디오 프레임 객체 추적 작업을 생성하는 방법을 알아볼 수 있습니다. 10단계에서 **작업 범주** 드롭다운 목록에서 **비디오 - 객체 추적**을 선택합니다. **작업 선택**에서 카드 중 하나를 선택하여 원하는 작업 유형을 선택합니다. ![\[SageMaker AI 콘솔에서 비디오 프레임 객체 추적 작업을 생성하는 방법을 보여주는 Gif.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/sms/video/task-type-vot.gif) ### 레이블 지정 작업 생성(API) SageMaker API 작업 `CreateLabelingJob`를 사용하여 객체 추적 라벨링 작업을 생성합니다. 이 API는 모든 AWS SDK에 대해 이 연산을 정의합니다. 이 연산에 지원되는 언어별 SDK 목록을 보려면 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)의 **관련 항목** 섹션을 검토하세요. [레이블 지정 작업 생성(API)](sms-create-labeling-job-api.md)에서는 `CreateLabelingJob` 연산에 대한 개요를 제공합니다. 다음 지침에 따라 요청을 구성하는 동안 다음을 수행합니다. + `HumanTaskUiArn`에 대한 ARN을 입력해야 합니다. `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectTracking`를 사용합니다. ``을 레이블 지정 작업을 생성 중인 AWS 리전으로 바꿉니다. `UiTemplateS3Uri` 파라미터의 값을 포함하지 마세요. + [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)가 `-ref`에서 끝나야 합니다. 예를 들어 `ot-labels-ref`입니다. + 입력 매니페스트 파일은 비디오 프레임 시퀀스 매니페스트 파일이어야 합니다. SageMaker AI 콘솔을 사용하여 이 매니페스트 파일을 생성하거나 수동으로 생성하여 Amazon S3에 업로드할 수 있습니다. 자세한 내용은 [입력 데이터 설정](sms-video-data-setup.md) 단원을 참조하십시오. 스트리밍 레이블 지정 작업을 생성하는 경우 입력 매니페스트 파일은 선택 사항입니다. + 개인 또는 공급업체 작업 팀만 사용하여 비디오 프레임 객체 감지 레이블 지정 작업을 생성할 수 있습니다. + 레이블 범주 구성 파일에서 레이블, 레이블 범주와 프레임 속성, 작업 유형, 작업자 지침을 지정합니다. 레이블 범주 구성 파일에서 `annotationType`를 사용하여 작업 유형(경계 상자, 폴리라인, 다각형 또는 키포인트)을 지정합니다. 이 파일을 생성하는 방법에 대한 자세한 내용은 [레이블 범주 및 프레임 속성을 사용하여 범주 구성 파일 레이블 지정](sms-label-cat-config-attributes.md) 섹션을 참조하세요. + 사전 주석 및 사후 주석(ACS) Lambda 함수에 대해 미리 정의된 ARN을 제공해야 합니다. 이러한 ARNs은 레이블 지정 작업을 생성하는 데 사용하는 AWS 리전에 따라 다릅니다. + 사전 주석 Lambda ARN을 찾는 방법은 [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) 섹션을 참조하세요. 레이블 지정 작업을 생성 중인 리전을 사용하여 `PRE-VideoObjectTracking`로 끝나는 올바른 ARN을 찾습니다. + 사후 주석 Lambda ARN을 찾는 방법은 [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) 섹션을 참조하세요. 레이블 지정 작업을 생성 중인 리전을 사용하여 `ACS-VideoObjectTracking`로 끝나는 올바른 ARN을 찾습니다. + `NumberOfHumanWorkersPerDataObject`에 지정된 작업자 수는 `1`이어야 합니다. + 비디오 프레임 레이블 지정 작업에서는 자동 데이터 레이블 지정이 지원되지 않습니다. `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)`에서 파라미터의 값을 지정하지 마세요. + 비디오 프레임 객체 추적 레이블 지정 작업을 완료하는 데 몇 시간이 걸릴 수 있습니다. `TaskTimeLimitInSeconds`에서 이러한 레이블 지정 작업에 대해 더 긴 시간 제한을 지정할 수 있습니다(최대 7일 또는 604800초). 다음은 미국 동부(버지니아 북부) 리전에 레이블 지정 작업을 생성하는 [AWS Python SDK(Boto3) 요청](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)의 예시입니다. ``` 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' }, ] ) ``` ## 비디오 프레임 객체 추적 조정 또는 검증 라벨링 작업 생성 Ground Truth 콘솔 또는 `CreateLabelingJob` API를 사용하여 조정 및 확인 라벨링 작업을 생성할 수 있습니다. 조정 및 검증 레이블 지정 작업의 세부 정보와 해당 작업의 생성 방법을 알아보려면 [레이블 확인 및 조정](sms-verification-data.md)을(를) 참조하세요. ## 출력 데이터 형식 비디오 프레임 객체 추적 레이블 지정 작업을 생성하면 작업자에게 태스크가 전송됩니다. 작업자가 태스크를 완료하면 레이블 지정 작업을 생성할 때 지정한 Amazon S3 출력 위치에 레이블이 기록됩니다. 비디오 프레임 객체 추적 출력 데이터 형식에 대한 자세한 내용은 [동영상 프레임 객체 추적 출력](sms-data-output.md#sms-output-video-object-tracking) 섹션을 참조하세요. Ground Truth의 신규 사용자인 경우에는 [작업 출력 데이터 레이블 지정](sms-data-output.md)에서 Ground Truth 출력 데이터 형식에 대한 자세한 내용을 참조하세요. # 비디오 프레임 레이블 지정 작업 참조 이 페이지를 통해 객체 감지 및 객체 추적 비디오 프레임 레이블 지정 작업에 대해 알아보세요. 이 페이지의 정보는 이 2가지 기본 제공 작업 유형에 모두 적용됩니다. 비디오 프레임 레이블 지정 작업은 다음과 같은 이유로 고유합니다. + 즉시 주석을 달 수 있도록 데이터 객체(비디오 프레임)를 제공할 수도 있고, 비디오 파일을 제공하여 Ground Truth가 비디오 프레임을 자동으로 추출하게 할 수도 있습니다. + 작업자는 이동 중에 작업을 저장할 수 있습니다. + 작업 Amazon Mechanical Turk 인력을 사용하여 레이블 지정 작업을 완료할 수 없습니다. + Ground Truth는 작업자가 작업을 완료할 수 있도록 작업자 UI는 물론 보조 및 기본 레이블 지정 도구도 제공합니다. 사용자가 작업자 작업 템플릿을 제공할 필요는 없습니다. 다음 주제를 사용하여 비디오 프레임 레이블 지정 작업에 대해 자세히 알아봅니다. **Topics** + [입력 데이터](#sms-video-input-overview) + [작업 완료 시간](#sms-video-job-completion-times) + [Task 유형](#sms-video-frame-tools) + [인력](#sms-video-workforces) + [작업자 사용자 인터페이스(UI)](#sms-video-worker-task-ui) + [비디오 프레임 작업 권한 요건](#sms-security-permission-video-frame) ## 입력 데이터 비디오 프레임 레이블 지정 작업에서는 비디오 프레임의 *시퀀스*를 사용합니다. 단일 시퀀스는 단일 비디오에서 추출된 일련의 이미지입니다. 자체적으로 비디오 프레임 시퀀스를 제공할 수도 있고, Ground Truth가 비디오 파일에서 비디오 프레임 시퀀스를 자동으로 추출하게 할 수도 있습니다. 자세한 내용은 [비디오 파일 제공](sms-point-cloud-video-input-data.md#sms-point-cloud-video-frame-extraction) 섹션을 참조하세요. Ground Truth는 시퀀스 파일을 사용하여 단일 시퀀스의 모든 이미지를 식별합니다. 단일 레이블 지정 작업에 포함시킬 시퀀스는 모두 입력 매니페스트 파일에서 식별됩니다. 각 시퀀스는 단일 작업자 작업을 생성하는 데 사용됩니다. Ground Truth 자동 데이터 설정을 이용하여 시퀀스 파일 및 입력 매니페스트 파일을 자동으로 생성할 수 있습니다. 자세한 내용은 [자동 동영상 프레임 입력 데이터 설정](sms-video-automated-data-setup.md) 섹션을 참조하세요. 시퀀스 파일 및 입력 매니페스트 파일을 수동으로 만드는 방법은 [동영상 프레임 입력 매니페스트 파일 생성](sms-video-manual-data-setup.md#sms-video-create-manifest)을(를) 참조하세요. ## 작업 완료 시간 작업자가 비디오 작업 및 비디오 프레임 레이블 지정 작업을 완료하기까지는 몇 시간이 걸릴 수 있습니다. 레이블 지정 작업을 생성할 때 작업자가 각 태스크에 대해 작업을 수행할 수 있는 총 시간을 설정할 수 있습니다. 작업자가 태스크에 할애하도록 설정할 수 있는 최대 시간은 7일입니다. 기본 값은 3일입니다. 작업자가 12시간 이내에 완료할 수 있는 작업을 생성하는 것이 가장 좋습니다. 작업자는 태스크에서 작업을 수행하는 동안 작업자 UI를 열어 두어야 합니다. 작업자는 이동 중에 작업을 저장할 수 있으며, 15분마다 Ground Truth에 작업이 저장됩니다. SageMaker AI `CreateLabelingJob` API 연산을 사용할 경우, `HumanTaskConfig`의 `TaskTimeLimitInSeconds` 파라미터에서 작업자가 태스크를 이용할 수 있는 총 시간을 설정하세요. 콘솔에서 레이블 지정 작업을 생성하는 경우에는 인력 유형과 작업 팀을 선택할 때 이 시간 제한을 지정할 수 있습니다. ## Task 유형 비디오 객체 추적 작업 또는 비디오 객체 감지 레이블 지정 작업을 생성할 때는 작업자가 레이블 지정 작업을 수행하는 동안 작성할 주석의 유형을 지정해야 합니다. 주석 유형에 따라 Ground Truth가 반환하는 출력 데이터의 유형이 결정되고, 레이블 지정 작업의 *작업 유형*이 지정됩니다. API 연산 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)을(를) 이용하여 레이블 지정 작업을 생성하려는 경우에는 레이블 범주 구성 파일 파라미터 `annotationType`을(를) 사용하여 작업 유형을 지정해야 합니다. 자세한 내용은 [레이블 범주 및 프레임 속성을 사용하여 범주 구성 파일 레이블 지정](sms-label-cat-config-attributes.md) 섹션을 참조하세요. 비디오 객체 추적 작업 또는 비디오 객체 감지 레이블 지정 작업 양쪽에 사용 가능한 작업 유형은 다음과 같습니다. + **경계 상자** - 경계 상자 주석을 작성할 수 있는 도구가 작업자에게 제공됩니다. 경계 상자는 작업자가 프레임 내 해당 객체의 픽셀 위치와 레이블을 식별하기 위해 객체 주변에 그리는 상자입니다. + **폴리라인** - 폴리라인 주석을 작성할 수 있는 도구가 작업자에게 제공됩니다. 폴리라인은 정렬된 일련의 X, Y 좌표로 정의됩니다. 폴리라인에 추가되는 각각의 점은 선 하나로 이전의 점과 연결됩니다. 폴리라인은 닫을 필요가 없으며(시작점과 종착점이 똑같지 않아도 됨), 선과 선 사이에 생기는 각도에도 제한이 없습니다. + **다각형** - 다각형 주석을 작성할 수 있는 도구가 작업자에게 제공됩니다. 다각형은 정렬된 일련의 X, Y 좌표로 정의되는 닫힌 도형입니다. 다각형에 추가되는 각각의 점은 선 하나로 이전의 점과 연결되며, 선과 선 사이에 생기는 각도에도 제한이 없습니다. 다각형의 두 선(면)은 교차할 수 없습니다. 다각형의 시작점과 종착점은 서로 같아야 합니다. + **특징점** - 특징점 주석을 작성할 수 있는 도구가 작업자에게 제공됩니다. 특징점은 비디오 프레임의 X, Y 좌표에 연결되는 단일점입니다. ## 인력 비디오 프레임 레이블 지정 작업을 생성할 때는 주석 작업을 완료할 작업팀을 지정해야 합니다. 자체 작업자의 개인 인력 또는 AWS Marketplace에서 선택한 공급업체 인력 중에서 작업 팀을 선택할 수 있습니다. Amazon Mechanical Turk 작업 인력은 비디오 프레임 레이블 지정 작업에 사용할 수 없습니다. 공급업체 작업 인력에 대한 자세한 내용은 [공급업체 작업 인력 구독](sms-workforce-management-vendor.md)을(를) 참조하세요. 개인 인력을 생성 및 관리하는 방법에 대한 자세한 내용은 [프라이빗 작업 인력](sms-workforce-private.md) 섹션을 참조하세요. ## 작업자 사용자 인터페이스(UI) Ground Truth는 작업자가 비디오 레이블 지정 작업을 완료할 수 있도록 작업자 사용자 인터페이스(UI), 도구 및 보조 레이블 지정 기능을 제공합니다. 콘솔에서 레이블 지정 작업을 생성할 때 작업자 UI를 미리 볼 수 있습니다. API 연산 `CreateLabelingJob`을(를) 사용하여 레이블 지정 작업을 생성할 때는 Ground Truth에서 제공하는 ARN을 [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) 파라미터에 제공하여 해당 작업 유형의 작업자 UI를 지정해야 합니다. 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 연산과 함께 `HumanTaskUiArn`을 사용하여 작업자 UI를 미리 볼 수 있습니다. 사용자는 작업자가 레이블 및 비디오 프레임에 대한 추가 정보를 제공하는 데 사용할 수 있도록 작업자 지침, 레이블 및 속성(선택 사항)을 제공해야 합니다. 이들 속성을 각각 레이블 범주 속성, 프레임 속성이라고 합니다. 해당 속성 모두 작업자 UI에 표시됩니다. ### 레이블 범주 속성 및 프레임 속성 비디오 객체 추적 작업 또는 비디오 객체 감지 레이블 지정 작업을 생성할 경우, 다음과 같은 *레이블 범주 속성* 및 *프레임 속성*을 하나 이상 추가할 수 있습니다. + **레이블 범주 속성** - 옵션 목록(문자열), 자유 형식 텍스트 상자 또는 하나 이상의 레이블에 연결된 숫자 필드입니다. 작업자는 이 속성을 사용하여 레이블에 대한 메타데이터를 제공합니다. + **프레임 속성** - 작업자가 주석을 달 수 있도록 전송되는 각 비디오 프레임에 표시되는 옵션 목록(문자열), 자유 형식 텍스트 상자 또는 숫자 필드입니다. 작업자는 이 속성을 사용하여 비디오 프레임에 대한 메타데이터를 제공합니다. 또한 레이블 속성 및 프레임 속성을 사용하여 작업자가 비디오 프레임 레이블 검증 작업에서 레이블을 검증하게 할 수도 있습니다. 다음 섹션을 통해 이들 속성에 대해 자세히 알아보세요. 레이블 범주 속성 및 프레임 속성을 레이블 지정 작업에 추가하는 방법은 선택한 [작업 유형 페이지](sms-video-task-types.md)의 **레이블 지정 작업 생성** 섹션을 참조하세요. #### 레이블 범주 속성 레이블에 레이블 범주 속성을 추가하면 작업자가 자신이 작성한 주석에 대해 자세한 정보를 제공할 수 있게 됩니다. 하나의 레이블 범주 속성은 각각의 레이블 또는 모든 레이블에 추가됩니다. 레이블 범주 속성이 모든 레이블에 적용되는 경우 이 속성을 *전역 레이블 범주 속성*이라고 합니다. 예를 들어 레이블 범주인 *차량*을 추가하려는 경우, 레이블이 지정된 차량에 대한 추가 데이터(차량이 가려졌는지 여부 또는 차량 크기)를 캡처해야 할 수도 있습니다. 레이블 범주 속성을 사용하여 이 메타데이터를 캡처할 수 있습니다. 이 예제에서 차량 레이블 범주에 *가려짐* 속성을 추가한 경우 *가려짐* 속성에 *부분*, *전체*, *없음*을 할당하고, 작업자가 이들 옵션 중 하나를 선택하게 할 수 있습니다. 레이블 검증 작업을 생성할 때는 작업자가 검증해야 하는 각 레이블에 레이블 범주 속성을 추가해야 합니다. #### 프레임 레벨 속성 프레임 속성을 추가하면 작업자가 개별 비디오 프레임에 대한 추가 정보를 제공할 수 있게 됩니다. 추가한 각 프레임 속성은 모든 프레임에 표시됩니다. 예를 들면 숫자–프레임 속성을 추가하여 작업자가 특정 프레임에 표시되는 객체의 수를 식별하게 할 수 있습니다. 또 다른 예로, 자유 형식 텍스트 상자를 제공하여 작업자가 질문에 대한 답변을 제공할 수 있게 할 수도 있습니다. 레이블 검증 작업을 생성할 때는 하나 이상의 프레임 속성을 추가하여 작업자에게 한 비디오 프레임의 모든 레이블에 대한 피드백을 제공하도록 요청할 수 있습니다. ### 작업자 지침 사용자는 작업자가 비디오 프레임 레이블 지정 작업을 완료할 수 있도록 작업자 지침을 제공할 수 있습니다. 지침 작성 시 다뤄야 하는 주제는 다음과 같습니다. + 모범 사례 및 객체에 주석을 달 때 피해야 할 사항. + 제공할 레이블 범주 속성(객체 감지용 및 객체 추적 작업용)과 그 사용 방법 + 키보드 단축키를 사용하여 레이블을 지정하면서 시간을 절약하는 방법 레이블링 작업을 생성하는 동안 SageMaker AI 콘솔을 사용하여 작업자 지침을 추가할 수 있습니다. API 연산 작업 `CreateLabelingJob`을 사용하여 레이블 지정 작업을 생성하는 경우, 레이블 범주 구성 파일에서 작업자 지침을 지정합니다. Ground Truth는 지침 외에도 작업자가 작업자 포털을 탐색하고 사용하는 데 도움이 되는 링크를 제공합니다. [작업자 지침](sms-video-worker-instructions.md)에서 태스크 유형을 선택하여 이러한 지침을 확인합니다 . ### 작업 거부 작업자는 작업을 거부할 수 있습니다. 작업자는 지침이 명확하지 않거나, 입력 데이터가 제대로 표시되지 않거나, 작업과 관련하여 기타 일체의 문제가 발생할 경우 작업을 거부합니다. 데이터세트 객체당 작업자 수([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))가 작업을 거부할 경우 해당 데이터 객체는 만료된 것으로 표시되며, 다른 작업자에게 전송되지 않습니다. ## 비디오 프레임 작업 권한 요건 비디오 프레임 레이블 지정 작업을 생성할 경우, [Ground Truth 사용을 위한 IAM 권한 할당](sms-security-permission.md)에 있는 권한 요건 외에도 입력 매니페스트 파일이 포함된 S3 버킷에 CORS 정책을 추가해야 합니다. ### S3 버킷의 CORS 권한 정책 비디오 프레임 레이블 지정 작업을 생성할 때는 입력 데이터 및 매니페스트 파일이 있고 출력 데이터가 저장되는 S3에서 버킷을 지정해야 합니다. 이러한 버킷은 동일할 수 있습니다. 입력 버킷 및 출력 버킷에 다음과 같은 CORS(Cross-origin resource sharing) 정책을 연결해야 합니다. Amazon S3 콘솔을 사용하여 버킷에 정책을 추가하려면 JSON 형식을 사용해야 합니다. **JSON** ``` [ { "AllowedHeaders": [ "*" ], "AllowedMethods": [ "GET", "HEAD", "PUT" ], "AllowedOrigins": [ "*" ], "ExposeHeaders": [ "Access-Control-Allow-Origin" ], "MaxAgeSeconds": 3000 } ] ``` **XML** ``` * GET HEAD PUT 3000 Access-Control-Allow-Origin * ``` S3 버킷에 CORS 정책을 추가하는 방법은 Amazon Simple Storage Service 사용 설명서의 [CORS와의 교차 도메인 리소스 공유를 추가하려면 어떻게 해야 하나요?](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/add-cors-configuration.html)를 참조하세요.