Mendefinisikan JSON garis untuk segmentasi gambar

Anda menentukan JSON garis untuk setiap gambar yang ingin Anda gunakan dalam file manifes Amazon Lookout for Vision. Jika Anda ingin membuat model segmentasi, JSON garis harus menyertakan informasi segmentasi dan klasifikasi untuk gambar. File manifes terbuat dari satu atau lebih JSON baris, satu untuk setiap gambar yang ingin Anda impor.

Untuk membuat file manifes untuk gambar tersegmentasi

1. Buat file teks kosong.

2. Tambahkan JSON garis untuk setiap gambar yang ingin Anda impor. Setiap JSON baris harus terlihat mirip dengan yang berikut:

   {"source-ref":"s3://path-to-image","anomaly-label":1,"anomaly-label-metadata":{"class-name":"anomaly","creation-date":"2021-10-12T14:16:45.668","human-annotated":"yes","job-name":"labeling-job/classification-job","type":"groundtruth/image-classification","confidence":1},"anomaly-mask-ref":"s3://path-to-image","anomaly-mask-ref-metadata":{"internal-color-map":{"0":{"class-name":"BACKGROUND","hex-color":"#ffffff","confidence":0.0},"1":{"class-name":"scratch","hex-color":"#2ca02c","confidence":0.0},"2":{"class-name":"dent","hex-color":"#1f77b4","confidence":0.0}},"type":"groundtruth/semantic-segmentation","human-annotated":"yes","creation-date":"2021-11-23T20:31:57.758889","job-name":"labeling-job/segmentation-job"}}

3. Simpan file tersebut.

   catatan

   Anda dapat menggunakan ekstensi.manifest, tetapi tidak diperlukan.

4. Buat kumpulan data menggunakan file manifes yang Anda buat. Untuk informasi selengkapnya, lihat Membuat file manifes.

Garis segmentasi JSON

Di bagian ini, Anda mempelajari cara membuat JSON garis yang mencakup informasi segmentasi dan klasifikasi untuk gambar.

JSONBaris berikut menunjukkan gambar dengan informasi segmentasi dan klasifikasi. anomaly-label-metadataberisi informasi klasifikasi. anomaly-mask-refdan anomaly-mask-ref-metadata berisi informasi segmentasi.

{
    "source-ref": "s3://path-to-image",
    "anomaly-label": 1,
    "anomaly-label-metadata": {
        "class-name": "anomaly",
        "creation-date": "2021-10-12T14:16:45.668",
        "human-annotated": "yes",
        "job-name": "labeling-job/classification-job",
        "type": "groundtruth/image-classification",
        "confidence": 1
    },
    "anomaly-mask-ref": "s3://path-to-image",
    "anomaly-mask-ref-metadata": {
        "internal-color-map": {
            "0": {
                "class-name": "BACKGROUND",
                "hex-color": "#ffffff",
                "confidence": 0.0
            },
            "1": {
                "class-name": "scratch",
                "hex-color": "#2ca02c",
                "confidence": 0.0
            },
            "2": {
                "class-name": "dent",
                "hex-color": "#1f77b4",
                "confidence": 0.0
            }
        },
        "type": "groundtruth/semantic-segmentation",
        "human-annotated": "yes",
        "creation-date": "2021-11-23T20:31:57.758889",
        "job-name": "labeling-job/segmentation-job"
    }
}               
                

JSONkunci baris dan nilai

Informasi berikut menjelaskan kunci dan nilai dalam baris Amazon Lookout for Vision. JSON

sumber-ref

(Wajib) Lokasi Amazon S3 gambar. Formatnya adalah "s3://BUCKET/OBJECT_PATH". Gambar dalam kumpulan data yang diimpor harus disimpan dalam bucket Amazon S3 yang sama.

label anomali

(Wajib) Atribut label. Gunakan kuncianomaly-label, atau nama kunci lain yang Anda pilih. Nilai kunci (1dalam contoh sebelumnya) diperlukan oleh Amazon Lookout for Vision, tetapi tidak digunakan. Manifes keluaran yang dibuat oleh Amazon Lookout for Vision mengubah nilai 1 menjadi gambar anomali dan nilai untuk gambar normal. 0 Nilai class-name menentukan apakah gambar itu normal atau anomali.

Harus ada metadata terkait yang diidentifikasi dengan nama bidang dengan -metadata ditambahkan. Misalnya, "anomaly-label-metadata".

anomaly-label-metadata

(Wajib) Metadata tentang atribut label. Berisi informasi klasifikasi. Nama bidang harus sama dengan atribut label dengan -metadata ditambahkan.

kepercayaan

(Opsional) Saat ini tidak digunakan oleh Amazon Lookout for Vision. Jika Anda menentukan nilai, gunakan nilai1.

nama-pekerjaan

(Opsional) Nama yang Anda pilih untuk pekerjaan yang memproses gambar.

nama kelas

(Wajib) Jika gambar berisi konten normal, tentukannormal, jika tidak tentukananomaly. Jika nilai class-name adalah nilai lain, gambar ditambahkan ke kumpulan data sebagai gambar yang tidak berlabel. Untuk memberi label pada gambar, lihatMenambahkan gambar ke kumpulan data Anda.

beranotasi manusia

(Wajib) Tentukan"yes", jika anotasi diselesaikan oleh manusia. Jika tidak, tentukan"no".

kreasi-tanggal

(Opsional) Waktu Universal Terkoordinasi (UTC) tanggal dan waktu label dibuat.

jenis

(Wajib) Jenis pemrosesan yang harus diterapkan pada gambar. Gunakan nilainya"groundtruth/image-classification".

anomaly-mask-ref

(Wajib) Lokasi Amazon S3 dari gambar topeng. Gunakan anomaly-mask-ref untuk nama kunci atau gunakan nama kunci pilihan Anda. Kuncinya harus diakhiri dengan-ref. Gambar topeng harus berisi topeng berwarna untuk setiap jenis anomali. internal-color-map Formatnya adalah "s3://BUCKET/OBJECT_PATH". Gambar dalam kumpulan data yang diimpor harus disimpan dalam bucket Amazon S3 yang sama. Gambar topeng harus berupa gambar format Portable Network Graphic (PNG).

anomaly-mask-ref-metadata

(Wajib) Metadata segmentasi untuk gambar. Gunakan anomaly-mask-ref-metadata untuk nama kunci atau gunakan nama kunci pilihan Anda. Nama kunci harus diakhiri dengan-ref-metadata.

internal-color-map

(Wajib) Peta warna yang dipetakan ke jenis anomali individu. Warna harus sesuai dengan warna pada gambar topeng (anomaly-mask-ref).

kunci

(Wajib) Kunci ke peta. Entri 0 harus berisi nama kelas BACKGROUND yang mewakili area di luar anomali pada gambar.

nama kelas

(Wajib) Nama jenis anomali, seperti goresan atau penyok.

hex-warna

(Wajib) Warna hex untuk jenis anomali, seperti. #2ca02c Warnanya harus sesuai dengan warnaanomaly-mask-ref. Nilai untuk tipe BACKGROUND anomali selalu. #ffffff

kepercayaan

(Wajib) Saat ini tidak digunakan oleh Amazon Lookout for Vision, tetapi nilai float diperlukan.

beranotasi manusia

(Wajib) Tentukan"yes", jika anotasi diselesaikan oleh manusia. Jika tidak, tentukan"no".

kreasi-tanggal

(Opsional) Waktu Universal Terkoordinasi (UTC) tanggal dan waktu bahwa informasi segmentasi dibuat.

jenis

(Wajib) Jenis pemrosesan yang harus diterapkan pada gambar. Gunakan nilainya"groundtruth/semantic-segmentation".