本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 非终止性 JSON 行验证错误
<a name="tm-debugging-json-line-errors"></a>

本主题列出了 Amazon Rekognition Custom Labels 在训练期间报告的非终止性 JSON 行验证错误。这些错误会在训练和测试验证清单中报告。有关更多信息，请参阅 [了解训练和测试验证结果清单](tm-debugging-scope-json-line.md)。可以通过更新训练或测试清单文件中的 JSON 行来修复非终止性 JSON 行错误。您也可以从清单中删除相关的 JSON 行，但这样做可能会降低模型的质量。如果非终止性验证错误太多，您可能会发现重新创建清单文件更容易。验证错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。有关修复验证错误的信息，请参阅[修复训练错误](tm-debugging-fixing-validation-errors.md)。有些错误可以使用 Amazon Rekognition Custom Labels 控制台修复。

## ERROR\_MISSING\_SOURCE\_REF
<a name="tm-error-ERROR_MISSING_SOURCE_REF"></a>

### 错误消息
<a name="tm-error-message-ERROR_MISSING_SOURCE_REF"></a>

缺少 source-ref 键。

### 更多信息
<a name="tm-error-description-ERROR_MISSING_SOURCE_REF"></a>

JSON 行的 `source-ref` 字段提供图像的 Amazon S3 位置。如果 `source-ref` 键缺失或拼写错误，便会发生此错误。此错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

**修复 `ERROR_MISSING_SOURCE_REF`**

1. 检查 `source-ref` 键是否存在且拼写正确。完整的 `source-ref` 键和值类似如下：`"source-ref": "s3://bucket/path/image"`。

1. 更新 JSON 行中的 `source-ref` 键。或者，从清单文件中删除该 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_INVALID\_SOURCE\_REF\_FORMAT
<a name="tm-error-ERROR_INVALID_SOURCE_REF_FORMAT"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_SOURCE_REF_FORMAT"></a>

source-ref 值的格式无效。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_SOURCE_REF_FORMAT"></a>

JSON 行中具有 `source-ref` 键，但 Amazon S3 路径的架构不正确。例如，路径是 `https://....` 而不是 `S3://....`。ERROR\_INVALID\_SOURCE\_REF\_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

**修复 `ERROR_INVALID_SOURCE_REF_FORMAT`**

1. 检查架构是否为 `"source-ref": "s3://bucket/path/image"`。例如 `"source-ref": "s3://custom-labels-console-us-east-1-1111111111/images/000000242287.jpg"`。

1. 更新或移除清单文件中的相关 JSON 行。

 无法使用 Amazon Rekognition Custom Labels 控制台修复此 `ERROR_INVALID_SOURCE_REF_FORMAT`。

## ERROR\_NO\_LABEL\_ATTRIBUTES
<a name="tm-error-ERROR_NO_LABEL_ATTRIBUTES"></a>

### 错误消息
<a name="tm-error-message-ERROR_NO_LABEL_ATTRIBUTES"></a>

未找到标签属性。

### 更多信息
<a name="tm-error-description-ERROR_NO_LABEL_ATTRIBUTES"></a>

标签属性或标签属性 `-metadata` 键名（或两者）无效或缺失。在以下示例中，每当缺少 `bounding-box` 或 `bounding-box-metadata` 键（或两者）时都会发生 `ERROR_NO_LABEL_ATTRIBUTES`。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

```
{
	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}, {
			"class_id": 0,
			"top": 65,
			"left": 86,
			"width": 220,
			"height": 334
		}]
	},
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
		"class-map": {
			"0": "Echo",
			"1": "Echo Dot"
		},
		"type": "groundtruth/object-detection",
		"human-annotated": "yes",
		"creation-date": "2018-10-18T22:18:13.527256",
		"job-name": "my job"
	}
}
```

 `ERROR_NO_LABEL_ATTRIBUTES` 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

**修复 `ERROR_NO_LABEL_ATTRIBUTES`**

1. 检查标签属性标识符和标签属性标识符 `-metadata` 键是否存在，以及键名称拼写是否正确。

1. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复 `ERROR_NO_LABEL_ATTRIBUTES`。

## ERROR\_INVALID\_LABEL\_ATTRIBUTE\_FORMAT
<a name="tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT"></a>

标签属性 {} 的格式无效。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT"></a>

标签属性键的架构缺失或无效。ERROR\_INVALID\_LABEL\_ATTRIBUTE\_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅[创建清单文件](md-create-manifest-file.md)。

**修复 `ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT`**

1. 检查 JSON 行的标签属性键部分是否正确。在以下物体位置示例中，`image_size` 和 `annotations` 对象必须正确。该标签属性键名为 `bounding-box`。

   ```
   	"bounding-box": {
   		"image_size": [{
   			"width": 640,
   			"height": 480,
   			"depth": 3
   		}],
   		"annotations": [{
   			"class_id": 1,
   			"top": 251,
   			"left": 399,
   			"width": 155,
   			"height": 101
   		}, {
   			"class_id": 0,
   			"top": 65,
   			"left": 86,
   			"width": 220,
   			"height": 334
   		}]
   	},
   ```

   

1. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_INVALID\_LABEL\_ATTRIBUTE\_METADATA\_FORMAT
<a name="tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT"></a>

标签属性元数据的格式无效。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT"></a>

标签属性元数据键的架构缺失或无效。ERROR\_INVALID\_LABEL\_ATTRIBUTE\_METADATA\_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

**修复 `ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT`**

1. 检查标签属性元数据键的 JSON 行架构是否与以下示例类似。该标签属性元数据键名为 `bounding-box-metadata`。

   ```
   	"bounding-box-metadata": {
   		"objects": [{
   			"confidence": 1
   		}, {
   			"confidence": 1
   		}],
   		"class-map": {
   			"0": "Echo",
   			"1": "Echo Dot"
   		},
   		"type": "groundtruth/object-detection",
   		"human-annotated": "yes",
   		"creation-date": "2018-10-18T22:18:13.527256",
   		"job-name": "my job"
   	}
   ```

   

1. 更新或移除清单文件中的相关 JSON 行。



无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_NO\_VALID\_LABEL\_ATTRIBUTES
<a name="tm-error-ERROR_NO_VALID_LABEL_ATTRIBUTES"></a>

### 错误消息
<a name="tm-error-message-ERROR_NO_VALID_LABEL_ATTRIBUTES"></a>

未找到有效的标签属性。

### 更多信息
<a name="tm-error-description-ERROR_NO_VALID_LABEL_ATTRIBUTES"></a>

在 JSON 行中未找到有效的标签属性。Amazon Rekognition Custom Labels 会同时检查标签属性和标签属性标识符。ERROR\_INVALID\_LABEL\_ATTRIBUTE\_FORMAT 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅[创建清单文件](md-create-manifest-file.md)。

如果 JSON 行不是支持的 SageMaker AI 清单格式，Amazon Rekognition 自定义标签会将 JSON 行标记为无效`ERROR_NO_VALID_LABEL_ATTRIBUTES`并报告错误。目前，Amazon Rekognition Custom Labels 支持分类作业和边界框格式。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

**修复 `ERROR_NO_VALID_LABEL_ATTRIBUTES`**

1. 检查 JSON 行中的标签属性键和标签属性元数据是否正确。

1. 更新或移除清单文件中的相关 JSON 行。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_MISSING\_BOUNDING\_BOX\_CONFIDENCE
<a name="tm-error-ERROR_MISSING_BOUNDING_BOX_CONFIDENCE"></a>

### 错误消息
<a name="tm-error-message-ERROR_MISSING_BOUNDING_BOX_CONFIDENCE"></a>

一个或多个边界框缺少置信度值。

### 更多信息
<a name="tm-error-description-ERROR_MISSING_BOUNDING_BOX_CONFIDENCE"></a>

一个或多个物体位置边界框缺少 confidence 键。边界框的 confidence 键位于标签属性元数据中，如以下示例中所示。ERROR\_MISSING\_BOUNDING\_BOX\_CONFIDENCE 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。

```
	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
```

**修复 `ERROR_MISSING_BOUNDING_BOX_CONFIDENCE`**

1. 检查标签属性中的 `objects` 数组包含的 confidence 键数量是否与标签属性 `annotations` 数组中的对象数量相同。

1. 更新或移除清单文件中的相关 JSON 行。



无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_MISSING\_CLASS\_MAP\_ID
<a name="tm-error-ERROR_MISSING_CLASS_MAP_ID"></a>

### 错误消息
<a name="tm-error-message-ERROR_MISSING_CLASS_MAP_ID"></a>

类别映射中缺少一个或多个类别 ID。

### 更多信息
<a name="tm-error-description-ERROR_MISSING_CLASS_MAP_ID"></a>

注释（边界框）对象中的 `class_id` 在标签属性元数据类别映射 (`class-map`) 中没有匹配的条目。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。ERROR\_MISSING\_CLASS\_MAP\_ID 错误通常发生在手动创建的清单文件中。

**修复 ERROR\_MISSING\_CLASS\_MAP\_ID**

1. 检查每个注释（边界框）对象中的 `class_id` 值在 `class-map` 数组中是否具有对应的值，如以下示例中所示。`annotations` 数组和 `class_map` 数组具有的元素数量应该相同。

   ```
   {
   	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
   	"bounding-box": {
   		"image_size": [{
   			"width": 640,
   			"height": 480,
   			"depth": 3
   		}],
   		"annotations": [{
   			"class_id": 1, 
   			"top": 251,
   			"left": 399,
   			"width": 155,
   			"height": 101
   		}, {
   			"class_id": 0,
   			"top": 65,
   			"left": 86,
   			"width": 220,
   			"height": 334
   		}]
   	},
   	"bounding-box-metadata": {
   		"objects": [{
   			"confidence": 1
   		}, {
   			"confidence": 1
   		}],
   		"class-map": {
   			"0": "Echo",
   			"1": "Echo Dot"
   		}, 
   		"type": "groundtruth/object-detection",
   		"human-annotated": "yes",
   		"creation-date": "2018-10-18T22:18:13.527256",
   		"job-name": "my job"
   	}
   }
   ```

1. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_INVALID\_JSON\_LINE
<a name="tm-error-ERROR_INVALID_JSON_LINE"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_JSON_LINE"></a>

JSON 行的格式无效。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_JSON_LINE"></a>

在 JSON 行中发现了意外字符。JSON 行被替换成了仅包含错误信息的新 JSON 行。ERROR\_INVALID\_JSON\_LINE 错误通常发生在手动创建的清单文件中。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

**修复 `ERROR_INVALID_JSON_LINE`**

1. 打开清单文件并导航到发生 ERROR\_INVALID\_JSON\_LINE 错误的 JSON 行。

1. 检查该 JSON 行是否包含无效字符，以及是否缺少必要的 `;` 或 `,` 字符。

1. 更新或移除清单文件中的相关 JSON 行。

## ERROR\_INVALID\_IMAGE
<a name="tm-error-ERROR_INVALID_IMAGE"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_IMAGE"></a>

图像无效。检查 S3 路径 and/or 图像属性。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_IMAGE"></a>

`source-ref` 引用的文件不是有效的图像。可能的原因包括图像的宽高比、图像大小和图像格式。

有关更多信息，请参阅 [Amazon Rekognition Custom Labels 中的准则和配额](limits.md)。

**修复 `ERROR_INVALID_IMAGE`**

1. 检查以下事项。
   + 图像的宽高比是否小于 20:1。
   + 图像大小是否大于 15 MB。
   + 图像是否为 PNG 或 JPEG 格式。
   + `source-ref` 中的图像路径是否正确。
   + 图像的最小图像尺寸是否大于 64 像素 x 64 像素。
   + 图像的最大图像尺寸是否大于 4096 像素 x 4096 像素。

1. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_INVALID\_IMAGE\_DIMENSION
<a name="tm-error-ERROR_INVALID_IMAGE_DIMENSION"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_IMAGE_DIMENSION"></a>

图像尺寸不符合允许的尺寸。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_IMAGE_DIMENSION"></a>

`source-ref` 引用的图像不符合允许的图像尺寸。最小尺寸为 64 像素。最大尺寸为 4096 像素。会针对带边界框的图像报告 `ERROR_INVALID_IMAGE_DIMENSION`。

有关更多信息，请参阅 [Amazon Rekognition Custom Labels 中的准则和配额](limits.md)。

**修复 `ERROR_INVALID_IMAGE_DIMENSION`（控制台）**

1. 使用 Amazon Rekognition Custom Labels 能够处理的尺寸更新 Amazon S3 存储桶中的图像。

1. 在 Amazon Rekognition Custom Labels 控制台中，执行以下操作：

   1. 从图像中移除现有的边界框。

   1. 将边界框重新添加到图像中。

   1. 保存更改。

   有关更多信息，请参阅 [使用边界框标注物体](md-localize-objects.md)。

**修复 `ERROR_INVALID_IMAGE_DIMENSION` (SDK)**

1. 使用 Amazon Rekognition Custom Labels 能够处理的尺寸更新 Amazon S3 存储桶中的图像。

1. 通过调用获取图像的现有 JSON 行[ListDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListDatasetEntries)。对于 `SourceRefContains` 输入参数，请指定图像的 Amazon S3 位置和文件名。

1. 调用[UpdateDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_UpdateDatasetEntries)并提供图像的 JSON 行。确保 `source-ref` 的值与 Amazon S3 存储桶中的图像位置匹配。更新边界框注释，使其与更新后的图像所需的边界框尺寸相匹配。

   ```
   {
   	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
   	"bounding-box": {
   		"image_size": [{
   			"width": 640,
   			"height": 480,
   			"depth": 3
   		}],
   		"annotations": [{
   			"class_id": 1,
   			"top": 251,
   			"left": 399,
   			"width": 155,
   			"height": 101
   		}, {
   			"class_id": 0,
   			"top": 65,
   			"left": 86,
   			"width": 220,
   			"height": 334
   		}]
   	},
   	"bounding-box-metadata": {
   		"objects": [{
   			"confidence": 1
   		}, {
   			"confidence": 1
   		}],
   		"class-map": {
   			"0": "Echo",
   			"1": "Echo Dot"
   		},
   		"type": "groundtruth/object-detection",
   		"human-annotated": "yes",
   		"creation-date": "2013-11-18T02:53:27",
   		"job-name": "my job"
   	}
   }
   ```

    

## ERROR\_INVALID\_BOUNDING\_BOX
<a name="tm-error-ERROR_INVALID_BOUNDING_BOX"></a>

### 错误消息
<a name="tm-error-message-ERROR_INVALID_BOUNDING_BOX"></a>

边界框具有超出边框的值。

### 更多信息
<a name="tm-error-description-ERROR_INVALID_BOUNDING_BOX"></a>

边界框信息指定的图像要么不在图像边框内，要么包含负值。

有关更多信息，请参阅 [Amazon Rekognition Custom Labels 中的准则和配额](limits.md)。

**修复 `ERROR_INVALID_BOUNDING_BOX`**

1. 检查 `annotations` 数组中边界框的值。

   ```
   	"bounding-box": {
   		"image_size": [{
   			"width": 640,
   			"height": 480,
   			"depth": 3
   		}],
   		"annotations": [{
   			"class_id": 1,
   			"top": 251,
   			"left": 399,
   			"width": 155,
   			"height": 101
   		}]
   	},
   ```

1. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_NO\_VALID\_ANNOTATIONS
<a name="tm-error-ERROR_NO_VALID_ANNOTATIONS"></a>

### 错误消息
<a name="tm-error-message-ERROR_NO_VALID_ANNOTATIONS"></a>

未找到有效的注释。

### 更多信息
<a name="tm-error-description-ERROR_NO_VALID_ANNOTATIONS"></a>

JSON 行中的所有注释对象均不包含有效的边界框信息。

**修复 `ERROR_NO_VALID_ANNOTATIONS`**

1. 更新 `annotations` 数组以包含有效的边界框对象。此外，请检查标签属性元数据中的相应边界框信息（`confidence` 和 `class_map`）是否正确。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。

   ```
   {
   	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
   	"bounding-box": {
   		"image_size": [{
   			"width": 640,
   			"height": 480,
   			"depth": 3
   		}],
   		"annotations": [
   		   {              
   			"class_id": 1,    #annotation object
   			"top": 251,
   			"left": 399,
   			"width": 155,
   			"height": 101
   		}, {
   			"class_id": 0,
   			"top": 65,
   			"left": 86,
   			"width": 220,
   			"height": 334
   		}]
   	},
   	"bounding-box-metadata": {
   		"objects": [
   		>{                
   			"confidence": 1          #confidence  object
   		}, 
           {
   			"confidence": 1
   		}],
   		"class-map": {  
   			"0": "Echo",    #label 
   			"1": "Echo Dot"
   		},
   		"type": "groundtruth/object-detection",
   		"human-annotated": "yes",
   		"creation-date": "2018-10-18T22:18:13.527256",
   		"job-name": "my job"
   	}
   }
   ```

1. 更新或移除清单文件中的相关 JSON 行。

无法使用 Amazon Rekognition Custom Labels 控制台修复此错误。

## ERROR\_BOUNDING\_BOX\_TOO\_SMALL
<a name="tm-error-ERROR_BOUNDING_BOX_TOO_SMALL"></a>

### 错误消息
<a name="tm-error-message-ERROR_BOUNDING_BOX_TOO_SMALL"></a>

边界框的高度和宽度太小。

### 更多信息
<a name="tm-error-description-ERROR_BOUNDING_BOX_TOO_SMALL"></a>

边界框尺寸（高度和宽度）必须大于 1 x 1 像素。

在训练过程中，如果图像的任何尺寸大于 1280 像素，Amazon Rekognition Custom Labels 就会调整图像的大小（源图像不受影响）。生成的边界框高度和宽度必须大于 1 x 1 像素。边界框位置存储在物体位置 JSON 行的 `annotations` 数组中。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。

```
	"bounding-box": {
		"image_size": [{
			"width": 640,
			"height": 480,
			"depth": 3
		}],
		"annotations": [{
			"class_id": 1,
			"top": 251,
			"left": 399,
			"width": 155,
			"height": 101
		}]
	},
```

错误信息会被添加到注释对象中。

**修复 ERROR\_BOUNDING\_BOX\_TOO\_SMALL**
+ 选择以下任一选项。
  + 增大太小的边界框的大小。
  + 移除太小的边界框。有关移除边界框的信息，请参阅[ERROR\_TOO\_MANY\_BOUNDING\_BOXES](#tm-error-ERROR_TOO_MANY_BOUNDING_BOXES)。
  + 从清单中移除图像（JSON 行）。





## ERROR\_TOO\_MANY\_BOUNDING\_BOXES
<a name="tm-error-ERROR_TOO_MANY_BOUNDING_BOXES"></a>

### 错误消息
<a name="tm-error-message-ERROR_TOO_MANY_BOUNDING_BOXES"></a>

边界框的数量超出了允许的最大数量。

### 更多信息
<a name="tm-error-description-ERROR_TOO_MANY_BOUNDING_BOXES"></a>

边界框的数量超出了允许的最大数量 (50)。您可以在 Amazon Rekognition Custom Labels 控制台中移除多余的边界框，也可从 JSON 行中将其移除。

**修复 `ERROR_TOO_MANY_BOUNDING_BOXES`（控制台）。**

1. 决定要移除哪些边界框。

1. 打开亚马逊 Rekognition 控制台，网址为[https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/)。

1. 选择**使用自定义标签**。

1. 选择**开始**。

1. 在左侧导航窗格中，选择包含要使用的数据集的项目。

1. 在**数据集**部分中，选择要使用的数据集。

1. 在数据集库页面中，选择**开始标注**进入标注模式。

1. 选择要从中移除边界框的图像。

1. 选择**绘制边界框**。

1. 在绘图工具中，选择要删除的边界框。

1. 按键盘上的删除键即可删除边界框。

1. 重复前面的 2 个步骤，直到删除了足够的边界框。

1. 选择**完成**。

1. 选择**保存更改**以保存您的更改。

1. 选择**退出**，退出标注模式。



**修复 ERROR\_TOO\_MANY\_BOUNDING\_BOXES（JSON 行）。**

1. 打开清单文件并导航到发生 ERROR\_TOO\_MANY\_BOUNDING\_BOXES 错误的 JSON 行。

1. 对于要移除的每个边界框，移除以下内容。
   + 从 `annotations` 数组中移除所需的 `annotation` 对象。
   + 从标签属性元数据中的 `objects` 数组中移除相应的 `confidence` 对象。
   + 如果该标签不再被其他边界框使用，请从 `class-map` 中将其移除。

   使用以下示例来确定要移除的项目。

   ```
   {
   	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
   	"bounding-box": {
   		"image_size": [{
   			"width": 640,
   			"height": 480,
   			"depth": 3
   		}],
   		"annotations": [
   		   {              
   			"class_id": 1,    #annotation object
   			"top": 251,
   			"left": 399,
   			"width": 155,
   			"height": 101
   		}, {
   			"class_id": 0,
   			"top": 65,
   			"left": 86,
   			"width": 220,
   			"height": 334
   		}]
   	},
   	"bounding-box-metadata": {
   		"objects": [
   		>{                
   			"confidence": 1          #confidence  object
   		}, 
           {
   			"confidence": 1
   		}],
   		"class-map": {  
   			"0": "Echo",    #label 
   			"1": "Echo Dot"
   		},
   		"type": "groundtruth/object-detection",
   		"human-annotated": "yes",
   		"creation-date": "2018-10-18T22:18:13.527256",
   		"job-name": "my job"
   	}
   }
   ```



## WARNING\_UNANNOTATED\_RECORD
<a name="tm-warning-WARNING_UNANNOTATED_RECORD"></a>

### 警告消息
<a name="tm-warning-message-WARNING_UNANNOTATED_RECORD"></a>

记录未添加注释。

### 更多信息
<a name="tm-warning-description-WARNING_UNANNOTATED_RECORD"></a>

使用 Amazon Rekognition Custom Labels 控制台添加到数据集的图像未添加标签。图像对应的 JSON 行不会用于训练。

```
{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "warnings": [
        {
            "code": "WARNING_UNANNOTATED_RECORD",
            "message": "Record is unannotated."
        } 
    ]
}
```

**修复 WARNING\_UNANNOTATED\_RECORD**
+ 使用 Amazon Rekognition Custom Labels 控制台为图像添加标签。有关说明，请参阅[为图像分配图像级标签](md-assign-image-level-labels.md)。





## WARNING\_NO\_ANNOTATIONS
<a name="tm-warning-WARNING_NO_ANNOTATIONS"></a>

### 警告消息
<a name="tm-warning-message-WARNING_NO_ANNOTATIONS"></a>

未提供注释。

### 更多信息
<a name="tm-warning-description-WARNING_NO_ANNOTATIONS"></a>

尽管由人工 (`human-annotated = yes`) 注释，但物体定位格式的 JSON 行不包含任何边界框信息。该 JSON 行有效，但不会用于训练。有关更多信息，请参阅 [了解训练和测试验证结果清单](tm-debugging-scope-json-line.md)。

```
{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "bounding-box": {
        "image_size": [
            {
                "width": 640,
                "height": 480,
                "depth": 3
            }
        ],
        "annotations": [
           
        ],
        "warnings": [
            {
                "code": "WARNING_NO_ATTRIBUTE_ANNOTATIONS",
                "message": "No attribute annotations were found."
            }
        ]
    },
    "bounding-box-metadata": {
        "objects": [
           
        ],
        "class-map": {
           
        },
        "type": "groundtruth/object-detection",
        "human-annotated": "yes",
        "creation-date": "2013-11-18 02:53:27",
        "job-name": "my job"
    },
    "warnings": [
        {
            "code": "WARNING_NO_ANNOTATIONS",
            "message": "No annotations were found."
        } 
    ]
}
```

**修复 WARNING\_NO\_ANNOTATIONS**
+ 选择以下任一选项。
  + 将边界框 (`annotations`) 信息添加到 JSON 行。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。
  + 从清单中移除图像（JSON 行）。

## WARNING\_NO\_ATTRIBUTE\_ANNOTATIONS
<a name="tm-warning-WARNING_NO_ATTRIBUTE_ANNOTATIONS"></a>

### 警告消息
<a name="tm-warning-message-WARNING_NO_ATTRIBUTE_ANNOTATIONS"></a>

未提供属性注释。

#### 更多信息
<a name="tm-warning-description-WARNING_NO_ATTRIBUTE_ANNOTATIONS"></a>

尽管由人工 (`human-annotated = yes`) 注释，但物体定位格式的 JSON 行不包含任何边界框注释信息。`annotations` 数组不存在或未填充。该 JSON 行有效，但不会用于训练。有关更多信息，请参阅 [了解训练和测试验证结果清单](tm-debugging-scope-json-line.md)。

```
{
    "source-ref": "s3://bucket/images/IMG_1186.png",
    "bounding-box": {
        "image_size": [
            {
                "width": 640,
                "height": 480,
                "depth": 3
            }
        ],
        "annotations": [
           
        ],
        "warnings": [
            {
                "code": "WARNING_NO_ATTRIBUTE_ANNOTATIONS",
                "message": "No attribute annotations were found."
            }
        ]
    },
    "bounding-box-metadata": {
        "objects": [
           
        ],
        "class-map": {
           
        },
        "type": "groundtruth/object-detection",
        "human-annotated": "yes",
        "creation-date": "2013-11-18 02:53:27",
        "job-name": "my job"
    },
    "warnings": [
        {
            "code": "WARNING_NO_ANNOTATIONS",
            "message": "No annotations were found."
        }
    ]
}
```

**修复 WARNING\_NO\_ATTRIBUTE\_ANNOTATIONS**
+ 选择以下任一选项。
  + 将一个或多个边界框 `annotation` 对象添加到 JSON 行。有关更多信息，请参阅 [清单文件中的物体定位](md-create-manifest-file-object-detection.md)。
  + 移除边界框属性。
  + 从清单中移除图像（JSON 行）。如果 JSON 行中存在其他有效的边界框属性，则可以仅从 JSON 行中移除无效的边界框属性。

## ERROR\_UNSUPPORTED\_USE\_CASE\_TYPE
<a name="tm-error-ERROR_UNSUPPORTED_USE_CASE_TYPE"></a>

### 警告消息
<a name="tm-error-message-ERROR_UNSUPPORTED_USE_CASE_TYPE"></a>

### 更多信息
<a name="tm-error-description-ERROR_UNSUPPORTED_USE_CASE_TYPE"></a>

`type ` 字段的值不是 `groundtruth/image-classification` 或 `groundtruth/object-detection`。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。

```
{
    "source-ref": "s3://bucket/test_normal_8.jpg",
    "BB": {
        "annotations": [
            {
                "left": 1768,
                "top": 1007,
                "width": 448,
                "height": 295,
                "class_id": 0
            },
            {
                "left": 1794,
                "top": 1306,
                "width": 432,
                "height": 411,
                "class_id": 1
            },
            {
                "left": 2568,
                "top": 1346,
                "width": 710,
                "height": 305,
                "class_id": 2
            },
            {
                "left": 2571,
                "top": 1020,
                "width": 644,
                "height": 312,
                "class_id": 3
            }
        ],
        "image_size": [
            {
                "width": 4000,
                "height": 2667,
                "depth": 3
            }
        ]
    },
    "BB-metadata": {
        "job-name": "labeling-job/BB",
        "class-map": {
            "0": "comparator",
            "1": "pot_resistor",
            "2": "ir_phototransistor",
            "3": "ir_led"
        },
        "human-annotated": "yes",
        "objects": [
            {
                "confidence": 1
            },
            {
                "confidence": 1
            },
            {
                "confidence": 1
            },
            {
                "confidence": 1
            }
        ],
        "creation-date": "2021-06-22T09:58:34.811Z",
        "type": "groundtruth/wrongtype",
        "cl-errors": [
            {
                "code": "ERROR_UNSUPPORTED_USE_CASE_TYPE",
                "message": "The use case type of the BB-metadata label attribute metadata is unsupported. Check the type field."
            }
        ]
    },
    "cl-metadata": {
        "is_labeled": true
    },
    "cl-errors": [
        {
            "code": "ERROR_NO_VALID_LABEL_ATTRIBUTES",
            "message": "No valid label attributes found."
        }
    ]
}
```

**修复 ERROR\_UNSUPPORTED\_USE\_CASE\_TYPE**
+ 请选择以下选项之一：
  + 根据要创建的模型类型，将 `type` 字段的值更改为 `groundtruth/image-classification` 或 `groundtruth/object-detection`。有关更多信息，请参阅 [创建清单文件](md-create-manifest-file.md)。
  + 从清单中移除图像（JSON 行）。

## ERROR\_INVALID\_LABEL\_NAME\_LENGTH
<a name="tm-error-ERROR_INVALID_LABEL_NAME_LENGTH"></a>

### 更多信息
<a name="tm-error-description-ERROR_INVALID_LABEL_NAME_LENGTH"></a>

标签名称的长度太长。最大长度为 256 个字符。

**修复 ERROR\_INVALID\_LABEL\_NAME\_LENGTH**
+ 请选择以下选项之一：
  + 将标签名称的长度减少到 256 个字符以内。
  + 从清单中移除图像（JSON 行）。