As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Classificar vídeos
<a name="sms-video-classification"></a>

Use uma tarefa de rotulagem de classificação de vídeo do Amazon SageMaker Ground Truth quando precisar que os funcionários classifiquem vídeos usando rótulos predefinidos que você especifica. Os vídeos são exibidos aos operadores, e eles são solicitados a escolher um rótulo para cada um. Você cria um trabalho de rotulagem de classificação de vídeo usando a seção Ground Truth do console Amazon SageMaker AI ou a [CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)operação. 

Seus arquivos de vídeo devem ser codificados em um formato compatível com o navegador usado pela equipe de trabalho que rotula seus dados. É recomendável verificar se todos os formatos de arquivo de vídeo em seu arquivo de manifesto de entrada são exibidos corretamente usando a visualização prévia da interface do usuário do operador. Você pode comunicar os navegadores compatíveis aos seus funcionários usando as instruções do operador. Para ver os formatos de arquivo compatíveis, consulte [Formatos de dados compatíveis](sms-supported-data-formats.md).

**Importante**  
Para esse tipo de tarefa, se você criar seu próprio arquivo de manifesto, use `"source-ref"` para identificar o local de cada arquivo de vídeo no Amazon S3 que deseja rotular. Para obter mais informações, consulte [Dados de entrada](sms-data-input.md).



## Criar um trabalho de rotulagem de classificação de vídeo (Console)
<a name="sms-creating-video-classification-console"></a>

Você pode seguir as instruções [Criar um trabalho de rotulagem (console)](sms-create-labeling-job-console.md) para aprender como criar um trabalho de rotulagem de classificação de vídeo no console de SageMaker IA. Na etapa 10, escolha **Vídeo** no menu suspenso da **Categoria de tarefas** e escolha **Classificação do vídeo** como o tipo de tarefa. 

O Ground Truth fornece uma interface de usuário do operador que se parece com a seguinte para tarefas de rotulagem: Ao criar um trabalho de rotulagem no console, você especifica instruções para ajudar os operadores a concluírem o trabalho e os rótulos que eles podem escolher. 

![\[Gif mostrando como criar um trabalho de rotulagem de classificação de vídeo no console de SageMaker IA.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/sms/video/vid_classification.gif)


## Criar um trabalho de rotulagem de classificação de vídeo (API)
<a name="sms-creating-video-classification-api"></a>

Esta seção aborda detalhes que você precisa saber ao criar um trabalho de rotulagem usando a operação de API `CreateLabelingJob` do SageMaker . Essa API define essa operação para todos AWS SDKs. Para ver uma lista de idiomas específicos com SDKs suporte para essa operação, **consulte a seção Consulte também** do. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)

Siga as instruções em [Criar um trabalho de rotulagem (API)](sms-create-labeling-job-api.md) e faça o seguinte enquanto você configura a solicitação: 
+ Use uma função do Lambda de pré-anotação que termine com `PRE-VideoClassification`. Para encontrar a pré-anotação Lambda ARN para sua região, consulte. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) 
+ Use uma função do Lambda de consolidação de anotações que termine com `ACS-VideoClassification`. Para encontrar o ARN Lambda de consolidação de anotações para sua região, consulte. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) 

Veja a seguir um exemplo de uma [solicitação do Python SDK (Boto3) da AWS](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) para criar um trabalho de rotulagem de dados automatizada na região Leste dos EUA (Norte da Virgínia). 

```
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'
        },
    ]
)
```

### Forneça um modelo para classificação de vídeo
<a name="sms-custom-template-video-classification"></a>

Se você criar um trabalho de rotulagem usando a API, será necessário fornecer um modelo de tarefas de operador em `UiTemplateS3Uri`. Copie e modifique o modelo a seguir modificando o `short-instructions`, `full-instructions`, e `header`. Faça upload deste modelo para o Amazon S3 e forneça o URI do Amazon S3 para este arquivo em `UiTemplateS3Uri`.

```
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>

              <crowd-form>
                  <crowd-classifier
                    name="crowd-classifier"
                    categories="{{ task.input.labels | to_json | escape }}"
                    header="Please classify video"
                  >
                    <classification-target>
                       <video width="100%" controls/>
                        <source src="{{ task.input.taskObject | grant_read_access }}" type="video/mp4"/>
                        <source src="{{ task.input.taskObject | grant_read_access }}" type="video/webm"/>
                        <source src="{{ task.input.taskObject | grant_read_access }}" type="video/ogg"/>
                      Your browser does not support the video tag.
                      </video>
                    </classification-target>
                    <full-instructions header="Video classification instructions">
                      <ol><li><strong>Read</strong> the task carefully and inspect the video.</li>
                        <li><strong>Read</strong> the options and review the examples provided to understand more about the labels.</li>
                        <li><strong>Choose</strong> the appropriate label that best suits the video.</li></ol>
                    </full-instructions>
                    <short-instructions>
                      <h3><span style="color: rgb(0, 138, 0);">Good example</span></h3>
                        <p>Enter description to explain the correct label to the workers</p>
                        <p><img src="https://d7evko5405gb7.cloudfront.net/fe4fed9b-660c-4477-9294-2c66a15d6bbe/src/images/quick-instructions-example-placeholder.png" style="max-width:100%"></p>
                        <h3><span style="color: rgb(230, 0, 0);">Bad example</span></h3>
                        <p>Enter description of an incorrect label</p>
                        <p><img src="https://d7evko5405gb7.cloudfront.net/fe4fed9b-660c-4477-9294-2c66a15d6bbe/src/images/quick-instructions-example-placeholder.png" style="max-width:100%"></p>
                    </short-instructions>
                  </crowd-classifier>
              </crowd-form>
```

## Dados de saída de classificação de vídeo
<a name="sms-vido-classification-output-data"></a>

Depois de criar um trabalho de rotulagem de classificação de vídeo, seus dados de saída estão localizados no bucket do Amazon S3 especificado no parâmetro `S3OutputPath` ao usar a API ou no campo **Local do conjunto de dados** de saída da seção **Visão geral do trabalho** do console. 

Para saber mais sobre o arquivo manifesto de saída gerado pelo Ground Truth, e sobre a estrutura do arquivo que o Ground Truth usa para armazenar os dados de saída, consulte [Rotulando dados de saída do trabalho](sms-data-output.md). 

Para ver um exemplo de arquivos manifesto de saída para o trabalho de rotulagem de classificação de vídeo com vários rótulos, consulte [Saída do trabalho de classificação](sms-data-output.md#sms-output-class).