Fehler bei der Überprüfung von JSON-Zeilen ohne Terminal - Rekognition
FEHLER_FEHLENDER_QUELLREFERENZERROR_INVALID_SOURCE_REF_FORMATFEHLER: NO_LABEL_ATTRIBUTESERROR_INVALID_LABEL_ATTRIBUTE_FORMATERROR_INVALID_LABEL_ATTRIBUTE_METADAT_FORMATERROR_NO_VALID_LABEL_ATTRIBUTESERROR_MISSING_BOUNDING_BOX_CONFIDENCEFEHLER_FEHLENDER_KLASSENKARTE_IDERROR_INVALID_JSON_LINEFEHLER_UNGÜLTIGES BILDFEHLER_UNGÜLTIGE_BILDDIMENSIONERROR_INVALID_BOUNDING_BOXERROR_NO_VALID_ANNOTATIONSERROR_BOUNDING_BOX_ZU KLEINFEHLER ZU VIELE_BEGRENZTEN_BOXENWARNUNG: DATENSATZ OHNE ANMERKUNGWARNUNG_NO_ANNOTATIONSWARNUNG: NO_ATTRIBUTE_ANNOTIONSFEHLER_UNUNTERSTÜTZTED_ANWENDUNGSFALLTYPERROR_INVALID_LABEL_NAME_LENGTH

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Fehler bei der Überprüfung von JSON-Zeilen ohne Terminal

In diesem Thema werden die von Amazon Rekognition Custom Labels während des Trainings gemeldeten Fehler bei der JSON-Zeilenüberprüfung aufgeführt, die nicht vom Terminal stammen. Die Fehler werden im Manifest für die Trainings- und Testvalidierung gemeldet. Weitere Informationen finden Sie unter Grundlegendes zu den Ergebnissen der Trainings- und Testvalidierung. Sie können einen JSON-Line-Fehler beheben, der kein Terminal ist, indem Sie die JSON-Zeile in der Trainings- oder Testmanifestdatei aktualisieren. Sie können die JSON-Zeile auch aus dem Manifest entfernen, dies kann jedoch die Qualität Ihres Modells beeinträchtigen. Wenn viele Validierungsfehler außerhalb des Terminals auftreten, ist es möglicherweise einfacher, die Manifestdatei neu zu erstellen. Überprüfungsfehler treten in der Regel in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei. Hinweise zur Behebung von Überprüfungsfehlern finden Sie unterBehebung von Trainingsfehlern. Einige Fehler können mithilfe der Amazon Rekognition Custom Labels-Konsole behoben werden.

FEHLER_FEHLENDER_QUELLREFERENZ

Fehlermeldung

Der Quellrefer-Schlüssel fehlt.

Weitere Informationen

Das source-ref Feld JSON Line gibt den Amazon S3 S3-Speicherort eines Images an. Dieser Fehler tritt auf, wenn der source-ref Schlüssel fehlt oder falsch geschrieben ist. Dieser Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Zu reparieren ERROR_MISSING_SOURCE_REF

  1. Prüfen Sie, ob der source-ref Schlüssel vorhanden und richtig geschrieben ist. Ein vollständiger source-ref Schlüssel und Wert ähnelt dem Folgen. ist"source-ref": "s3://bucket/path/image".

  2. Aktualisieren Sie den source-ref Schlüssel in der JSON-Zeile. Alternativ können Sie die JSON-Zeile aus der Manifestdatei entfernen.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_INVALID_SOURCE_REF_FORMAT

Fehlermeldung

Das Format des Quellreferen-Werts ist ungültig.

Weitere Informationen

Der source-ref Schlüssel ist in der JSON-Zeile vorhanden, aber das Schema des Amazon S3 S3-Pfads ist falsch. Der Pfad ist beispielsweise https://.... anstelle vonS3://..... Ein ERROR_INVALID_SOURCE_REF_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Zu reparieren ERROR_INVALID_SOURCE_REF_FORMAT

  1. Überprüfen Sie, ob das Schema vorhanden ist"source-ref": "s3://bucket/path/image". Zum Beispiel "source-ref": "s3://custom-labels-console-us-east-1-1111111111/images/000000242287.jpg".

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um das Problem nicht zu beheben. ERROR_INVALID_SOURCE_REF_FORMAT

FEHLER: NO_LABEL_ATTRIBUTES

Fehlermeldung

Keine Labelattribute gefunden.

Weitere Informationen

Das Label-Attribut oder der -metadata Schlüsselname des Label-Attributs (oder beide) sind ungültig oder fehlen. ERROR_NO_LABEL_ATTRIBUTESTritt im folgenden Beispiel immer dann auf, wenn der bounding-box oder bounding-box-metadata -Schlüssel (oder beide) fehlt. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

{
	"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"
	}
}

In einer manuell erstellten Manifestdatei tritt normalerweise ein ERROR_NO_LABEL_ATTRIBUTES Fehler auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Zu reparieren ERROR_NO_LABEL_ATTRIBUTES

  1. Vergewissern Sie sich, dass die -metadata Schlüssel zur Label-Attribut-ID und zur Label-Attribut-ID vorhanden sind und dass die Schlüsselnamen richtig geschrieben sind.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um das Problem zu machen. ERROR_NO_LABEL_ATTRIBUTES

ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

Fehlermeldung

Das Format des Label-Attributs {} ist ungültig.

Weitere Informationen

Das Schema für den Label-Attributschlüssel fehlt oder ist ungültig. Ein ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter. Erstellen einer Manifestdatei

Zu reparieren ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

  1. Überprüfen Sie, ob der JSON-Zeilenabschnitt für den Label-Attributschlüssel korrekt ist. Im folgenden Beispiel für die Objektposition müssen die annotations Objekte image_size und korrekt sein. Der Label-Attributschlüssel wird benanntbounding-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
		}]
	},

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_INVALID_LABEL_ATTRIBUTE_METADAT_FORMAT

Fehlermeldung

Das Format der Metadaten des Label-Attributs ist ungültig.

Weitere Informationen

Das Schema für den Metadatenschlüssel des Label-Attributs fehlt oder ist ungültig. Ein ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Zu reparieren ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT

  1. Stellen Sie sicher, dass das JSON-Zeilenschema für den Metadatenschlüssel des Label-Attributs dem folgenden Beispiel ähnelt. Der Metadatenschlüssel des Label-Attributs wird benanntbounding-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"
	}

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_NO_VALID_LABEL_ATTRIBUTES

Fehlermeldung

Keine gültigen Labelattribute gefunden.

Weitere Informationen

In der JSON-Zeile wurden keine gültigen Label-Attribute gefunden. Amazon Rekognition Custom Labels überprüft sowohl das Label-Attribut als auch die Label-Attribut-ID. Ein ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter. Erstellen einer Manifestdatei

Wenn eine JSON-Zeile nicht in einem unterstützten SageMaker Manifestformat vorliegt, markiert Amazon Rekognition Custom Labels die JSON-Zeile als ungültig und es wird ein ERROR_NO_VALID_LABEL_ATTRIBUTES Fehler gemeldet. Derzeit unterstützt Amazon Rekognition Custom Labels die Formate Klassifikationsjob und Bounding Box. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Zu reparieren ERROR_NO_VALID_LABEL_ATTRIBUTES

  1. Vergewissern Sie sich, dass der JSON-Code für den Label-Attributschlüssel und die Metadaten des Label-Attributs korrekt ist.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_MISSING_BOUNDING_BOX_CONFIDENCE

Fehlermeldung

Ein oder mehrere Begrenzungsrahmen weisen einen fehlenden Konfidenzwert auf.

Weitere Informationen

Der Konfidenzschlüssel fehlt für einen oder mehrere Begrenzungsrahmen für die Objektposition. Der Vertrauensschlüssel für eine Bounding Box befindet sich in den Metadaten des L-Attributs angeben, wie im folgenden Beispiel gezeigt. Ein ERROR_MISSING_BOUNDING_BOX_CONFIDENCE-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

	"bounding-box-metadata": {
		"objects": [{
			"confidence": 1
		}, {
			"confidence": 1
		}],
Zu reparieren ERROR_MISSING_BOUNDING_BOX_CONFIDENCE

  1. Stellen Sie sicher, dass das objects Array im Label-Attribut dieselbe Anzahl von Konfidenzschlüsseln enthält wie Objekte im annotations Label-Attribut-Array.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

FEHLER_FEHLENDER_KLASSENKARTE_ID

Fehlermeldung

Eine oder mehrere Klassen-IDs fehlen in der Klassenzuordnung.

Weitere Informationen

Das Objekt class_id in einer Annotation (Bounding Box) hat keinen passenden Eintrag in der Metadatenklasse map (class-map) für das Labelattribut. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien. Ein ERROR_MISSING_CLASS_MAP_ID-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf.

Um ERROR_MISSING_CLASS_MAP_ID zu beheben

  1. Stellen Sie sicher, dass der class_id Wert in jedem Annotationsobjekt (Bounding Box) einen entsprechenden Wert im class-map Array hat, wie im folgenden Beispiel gezeigt. Das annotations class_map Array und das Array sollten die gleiche Anzahl von Elementen haben.

    {
	"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"
	}
}

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_INVALID_JSON_LINE

Fehlermeldung

Die JSON-Zeile hat ein ungültiges Format.

Weitere Informationen

In der JSON-Zeile wurde ein unerwartetes Zeichen gefunden. Die JSON-Zeile wird durch eine neue JSON-Zeile ersetzt, die nur die Fehlerinformationen enthält. Ein ERROR_INVALID_JSON_LINE-Fehler tritt normalerweise in manuell erstellten Manifestdateien auf. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

Zu reparieren ERROR_INVALID_JSON_LINE

  1. Öffnen Sie die Manifestdatei und navigieren Sie zu der JSON-Zeile, in der der Fehler ERROR_INVALID_JSON_LINE auftritt.

  2. Stellen Sie sicher, dass die JSON-Zeile keine ungültigen Zeichen enthält und dass keine erforderlichen , Zeichen ; oder Zeichen fehlen.

  3. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

FEHLER_UNGÜLTIGES BILD

Fehlermeldung

Das Bild ist ungültig. Überprüfen Sie den S3-Pfad und/oder die Bildeigenschaften.

Weitere Informationen

Die Datei, auf die verwiesen source-ref wird, ist kein gültiges Bild. Mögliche Ursachen sind das Bildseitenverhältnis, die Größe des Bildes und das Bildformat.

Weitere Informationen finden Sie unter Richtlinien und Kontingente in Amazon Rekognition Custom Labels.

Zu reparieren ERROR_INVALID_IMAGE

  1. Überprüfen Sie Folgendes.

    • Das Seitenverhältnis des Bildes beträgt weniger als 20:1.

    • Die Größe des Images ist größer als 15 MB

    • Das Bild ist im PNG- oder JPEG-Format.

    • Der Pfad zum Abbild in source-ref ist korrekt.

    • Die minimale Bildgröße des Bildes ist größer 64 Pixel x 64 Pixel.

    • Die maximale Bildgröße des Bildes beträgt weniger als 4096 Pixel x 4096 Pixel.

  2. Aktualisieren oder entfernen Sie die JSON-Zeile in der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

FEHLER_UNGÜLTIGE_BILDDIMENSION

Fehlermeldung

Die Bildabmessungen entsprechen nicht den zulässigen Abmessungen.

Weitere Informationen

Das Bild, auf das verwiesen wird, entspricht source-ref nicht den zulässigen Bildabmessungen. Die Mindestabmessung beträgt 64 Pixel. Die maximale Abmessung beträgt 4096 Pixel. ERROR_INVALID_IMAGE_DIMENSIONwird für Bilder mit Begrenzungsrahmen gemeldet.

Weitere Informationen finden Sie unter Richtlinien und Kontingente in Amazon Rekognition Custom Labels.

Um das Problem zu beheben ERROR_INVALID_IMAGE_DIMENSION (Konsole)

  1. Aktualisieren Sie das Bild im Amazon S3 S3-Bucket mit Dimensionen, die Amazon Rekognition Custom Labels verarbeiten kann.

  2. Führen Sie in der Amazon Rekognition Custom Labels -Konsole die folgenden Schritte aus:

    1. Entfernen Sie die vorhandenen Begrenzungsrahmen aus dem Bild.

    2. Fügen Sie die Begrenzungsrahmen erneut zum Bild hinzu.

    3. Speichern Sie Ihre Änderungen.

    Weitere Informationen finden Sie unter Objekte mit Begrenzungsrahmen mit Labels versehen.

Zum Reparieren ERROR_INVALID_IMAGE_DIMENSION (SDK)

  1. Aktualisieren Sie das Bild im Amazon S3 S3-Bucket mit Dimensionen, die Amazon Rekognition Custom Labels verarbeiten kann.

  2. Rufen Sie die vorhandene JSON-Zeile für das Bild ab ListDatasetEntries. Geben Sie für den SourceRefContains Eingabeparameter den Amazon S3 S3-Speicherort und den Dateinamen des Images an.

  3. Rufen Sie die JSON-Zeile für das Bild auf UpdateDatasetEntriesund geben Sie sie an. Vergewissern Sie sich, dass der Wert von mit dem Image-Speicherort im Amazon S3 S3-Bucket source-ref übereinstimmt. Aktualisieren Sie die Anmerkungen des Begrenzungsrahmens, sodass sie den Abmessungen des Begrenzungsrahmens entsprechen, die für das aktualisierte Bild erforderlich sind.

    {
	"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

Fehlermeldung

Die Begrenzungsbox enthält Off-Frame-Werte.

Weitere Informationen

Die Informationen zum Begrenzungsrahmen geben ein Bild an, das sich entweder außerhalb des Bildrahmens befindet oder negative Werte enthält.

Weitere Informationen finden Sie unter Richtlinien und Kontingente in Amazon Rekognition Custom Labels.

Zu reparieren ERROR_INVALID_BOUNDING_BOX

  1. Überprüfen Sie die Werte der Begrenzungsfelder im annotations Array. 

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

  2. Aktualisieren Sie die JSON-Zeile oder entfernen Sie sie alternativ aus der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_NO_VALID_ANNOTATIONS

Fehlermeldung

Keine gültigen Anmerkungen gefunden.

Weitere Informationen

Keines der Annotationsobjekte in der JSON-Zeile enthält gültige Bounding-Box-Informationen.

Zu reparieren ERROR_NO_VALID_ANNOTATIONS

  1. Aktualisieren Sie das annotations Array, sodass es gültige Bounding-Box-Objekte enthält. Überprüfen Sie außerdem, ob die entsprechenden Begrenzungsfeld-Informationen (confidenceundclass_map) in den Metadaten des Label-Attributs korrekt sind. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

    {
	"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"
	}
}

  2. Aktualisieren Sie die JSON-Zeile oder entfernen Sie sie alternativ aus der Manifestdatei.

Sie können die Amazon Rekognition Custom Labels Konsole nicht verwenden, um diesen Fehler nicht zu verwenden.

ERROR_BOUNDING_BOX_ZU KLEIN

Fehlermeldung

Die Höhe und Breite des Begrenzungsrahmens sind zu klein.

Weitere Informationen

Die Abmessungen des Begrenzungsrahmens (Höhe und Breite) müssen größer als 1 x 1 Pixel sein.

Während des Trainings ändert Amazon Rekognition Custom Labels die Größe eines Bilds, wenn eine der Abmessungen größer als 1280 Pixel ist (die Quellbilder sind davon nicht betroffen). Die resultierenden Höhen und Breiten des Begrenzungsrahmens müssen größer als 1 x 1 Pixel sein. Eine Bounding-Box-Position wird im annotations Array einer Objektposition in der JSON-Zeile gespeichert. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien 

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

Die Fehlerinformationen werden dem Annotationsobjekt hinzugefügt.

Um ERROR_BOUNDING_BOX_TOO_SMALL zu beheben

  • Wählen Sie eine der folgenden Optionen.

    • Erhöhen Sie die Größe der zu kleinen Begrenzungsrahmen.

    • Entfernen Sie zu kleine Begrenzungsrahmen. Hinweise zum Entfernen eines Begrenzungsrahmens finden Sie unterFEHLER ZU VIELE_BEGRENZTEN_BOXEN.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.

FEHLER ZU VIELE_BEGRENZTEN_BOXEN

Fehlermeldung

Es gibt mehr Begrenzungsfelder als das zulässige Maximum.

Weitere Informationen

Es gibt mehr Begrenzungsfelder als das zulässige Limit (50). Sie können überschüssige Begrenzungsfelder in der Amazon Rekognition Custom Labels-Konsole entfernen oder sie aus der JSON-Zeile entfernen.

Um das Problem zu beheben ERROR_TOO_MANY_BOUNDING_BOXES (Konsole).

  1. Entscheiden Sie, welche Begrenzungsfelder entfernt werden sollen.

  2. Öffnen Sie die Amazon Rekognition Rekognition-Konsole unter https://console.aws.amazon.com/rekognition/.

  3. Wählen Sie Benutzerdefinierte Labels verwenden aus.

  4. Wählen Sie Get started (Erste Schritte) aus.

  5. Wählen Sie im linken Navigationsbereich das Projekt aus, das den Datensatz enthält, den Sie verwenden möchten.

  6. Wählen Sie im Abschnitt Datensätze den Datensatz aus, den Sie verwenden möchten.

  7. Wählen Sie auf der Datensatz-Galerie-Seite die Option Kennzeichnung starten, um in den Labeling-Modus zu wechseln.

  8. Wählen Sie das Bild aus, von dem Sie die Begrenzungsrahmen entfernen möchten.

  9. Wählen Sie „Umgrenzungsrahmen zeichnen“.

  10. Wählen Sie im Zeichenwerkzeug den Begrenzungsrahmen aus, den Sie löschen möchten.

  11. Drücken Sie die Löschtaste auf Ihrer Tastatur, um das Begrenzungsfeld zu löschen.

  12. Wiederholen Sie die vorherigen 2 Schritte, bis Sie genügend Begrenzungsrahmen gelöscht haben.

  13. Wählen Sie Fertig

  14. Wählen Sie Save changes (Änderungen speichern) aus, um die Änderungen zu speichern.

  15. Wählen Sie Exit, um den Beschriftungsmodus zu verlassen.

Um ERROR_TOO_MANY_BOUNDING_BOXES (JSON-Zeile) zu beheben.

  1. Öffnen Sie die Manifestdatei und navigieren Sie zu der JSON-Zeile, in der der Fehler ERROR_TOO_MANY_BOUNDING_BOXES auftritt.

  2. Entfernen Sie Folgendes für jeden Begrenzungsrahmen, den Sie entfernen möchten.

    • Entfernen Sie das erforderliche annotation Objekt aus dem annotations Array.

    • Entfernen Sie das entsprechende confidence Objekt aus dem objects Array in den Metadaten des Label-Attributs.

    • Wenn es nicht mehr von anderen Umgrenzungsfeldern verwendet wird, entfernen Sie die Bezeichnung von derclass-map.

    Verwenden Sie das folgende Beispiel, um zu ermitteln, welche Elemente entfernt werden sollen.

    {
	"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"
	}
}

WARNUNG: DATENSATZ OHNE ANMERKUNG

Warnmeldung

Der Datensatz ist nicht annotiert.

Weitere Informationen

Ein Bild, das mithilfe der Amazon Rekognition Custom Labels-Konsole zu einem Datensatz hinzugefügt wurde, wurde nicht beschriftet. Die JSON-Zeile für das Bild wird nicht für das Training verwendet. 

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

WARNUNG_NO_ANNOTATIONS

Warnmeldung

Es wurden keine Anmerkungen bereitgestellt.

Weitere Informationen

Eine JSON-Zeile im Format Object Localization enthält keine Bounding-Box-Informationen, obwohl sie von einem Menschen () annotiert wurde. human-annotated = yes Die JSON-Zeile ist gültig, wird aber nicht für das Training verwendet. Weitere Informationen finden Sie unter Grundlegendes zu den Ergebnissen der Trainings- und Testvalidierung. 

{
    "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."
        } 
    ]
}
Um WARNING_NO_ANNOTATIONS zu reparieren

  • Wählen Sie eine der folgenden Optionen.

    • Fügen Sie die Informationen zum Begrenzungsfeld (annotations) zur JSON-Zeile hinzu. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.

WARNUNG: NO_ATTRIBUTE_ANNOTIONS

Warnmeldung

Es wurden keine Attributanmerkungen bereitgestellt.

Weitere Informationen

Eine JSON-Zeile im Format Object Localization enthält keine Bounding-Box-Annotationsinformationen, obwohl sie von einem Menschen () annotiert wurde. human-annotated = yes Das annotations Array ist nicht vorhanden oder nicht gefüllt. Die JSON-Zeile ist gültig, wird aber nicht für das Training verwendet. Weitere Informationen finden Sie unter Grundlegendes zu den Ergebnissen der Trainings- und Testvalidierung. 

{
    "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."
        }
    ]
}
Um WARNING_NO_ATTRIBUTE_ANNOTATIONS zu korrigieren

  • Wählen Sie eine der folgenden Optionen.

    • Fügen Sie der JSON-Zeile ein oder mehrere annotation Bounding-Box-Objekte hinzu. Weitere Informationen finden Sie unter Objektlokalisierung in Manifestdateien.

    • Entfernen Sie das Bounding Box-Attribut.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest. Wenn in der JSON-Zeile andere gültige Boundingbox-Attribute vorhanden sind, können Sie stattdessen nur das ungültige Boundingbox-Attribut aus der JSON-Zeile entfernen.

FEHLER_UNUNTERSTÜTZTED_ANWENDUNGSFALLTYP

Warnmeldung

Weitere Informationen

Der Wert des type Felds ist nicht groundtruth/image-classification odergroundtruth/object-detection. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei. 

{
    "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."
        }
    ]
}
Um ERROR_UNSUPPORTED_USE_CASE_TYPE zu beheben

  • Wählen Sie eine der folgenden Optionen:

    • Ändern Sie den Wert des type Felds in groundtruth/image-classification odergroundtruth/object-detection, je nachdem, welchen Modelltyp Sie erstellen möchten. Weitere Informationen finden Sie unter Erstellen einer Manifestdatei.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.

ERROR_INVALID_LABEL_NAME_LENGTH

Weitere Informationen

Die Länge eines Labelnamens ist zu lang. Die maximale Länge beträgt 256 Zeichen.

Um ERROR_INVALID_LABEL_NAME_LENGTH zu beheben

  • Wählen Sie eine der folgenden Optionen:

    • Reduzieren Sie die Länge des Labelnamens auf 256 Zeichen oder weniger.

    • Entfernen Sie das Bild (JSON-Zeile) aus dem Manifest.