Kuota Data Masukan

Kumpulan data input yang digunakan dalam pekerjaan pelabelan segmentasi semantik memiliki kuota 20.000 item. Untuk semua jenis pekerjaan pelabelan lainnya, kuota ukuran kumpulan data adalah 100.000 item. Untuk meminta peningkatan kuota untuk pekerjaan pelabelan selain pekerjaan segmentasi semantik, tinjau prosedur dalam Service Quotas AWS untuk meminta peningkatan kuota.

Input data gambar untuk pekerjaan pelabelan pembelajaran aktif dan non-aktif tidak boleh melebihi kuota ukuran dan resolusi. Pembelajaran aktif mengacu pada pekerjaan pelabelan yang menggunakan pelabelan data otomatis. Pembelajaran non-aktif mengacu pada pekerjaan pelabelan yang tidak menggunakan pelabelan data otomatis.

Kuota tambahan berlaku untuk kategori label untuk semua jenis tugas, dan untuk data input dan atribut kategori pelabelan untuk cloud titik 3D dan jenis tugas bingkai video.

Kuota Ukuran File Masukan

File input tidak dapat melebihi kuota ukuran berikut untuk pekerjaan pelabelan pembelajaran aktif dan non-aktif. Tidak ada kuota ukuran file input untuk video yang digunakan dalam pekerjaan pelabelan klasifikasi video.

Pelabelan Jenis Tugas Job	Kuota Ukuran File Masukan
Klasifikasi gambar	40 MB
Kotak pembatas (Deteksi objek)	40 MB
Segmentasi semantik	40 MB
Penyesuaian label kotak pembatas (Deteksi objek)	40 MB
Penyesuaian label segmentasi semantik	40 MB
Verifikasi label kotak pembatas (Deteksi objek)	40 MB
Verifikasi label segmentasi semantik	40 MB

Kuota Resolusi Gambar Masukan

Resolusi file gambar mengacu pada jumlah piksel dalam gambar, dan menentukan jumlah detail yang dimiliki gambar. Kuota resolusi gambar berbeda tergantung pada jenis pekerjaan pelabelan dan algoritma SageMaker bawaan yang digunakan. Tabel berikut mencantumkan kuota resolusi untuk gambar yang digunakan dalam pekerjaan pelabelan pembelajaran aktif dan non-aktif.

Pelabelan Jenis Tugas Job	Kuota Resolusi - Pembelajaran Non Aktif	Kuota Resolusi - Pembelajaran Aktif
Klasifikasi gambar	100 juta piksel	3840 x 2160 piksel (4 K)
Kotak pembatas (Deteksi objek)	100 juta piksel	3840 x 2160 piksel (4 K)
Segmentasi semantik	100 juta piksel	1920 x 1080 piksel (1080 p)
Penyesuaian label deteksi objek	100 juta piksel	3840 x 2160 piksel (4 K)
Penyesuaian label segmentasi semantik	100 juta piksel	1920 x 1080 piksel (1080 p)
Verifikasi label deteksi objek	100 juta piksel	Tidak tersedia
Verifikasi label segmentasi semantik	100 juta piksel	Tidak tersedia

Kuota Kategori Label

Setiap jenis tugas pekerjaan pelabelan memiliki kuota untuk jumlah kategori label yang dapat Anda tentukan. Pekerja memilih kategori label untuk membuat anotasi. Misalnya, Anda dapat menentukan kategori label mobil, pejalan kaki, dan pengendara sepeda motor saat membuat pekerjaan pelabelan kotak pembatas dan pekerja akan memilih kategori mobil sebelum menggambar kotak pembatas di sekitar mobil.

penting

Nama kategori label tidak boleh melebihi 256 karakter.

Semua kategori label harus unik. Anda tidak dapat menentukan kategori label duplikat.

Batas kategori label berikut berlaku untuk pekerjaan pelabelan. Kuota untuk kategori label bergantung pada apakah Anda menggunakan operasi SageMaker API CreateLabelingJob atau konsol untuk membuat pekerjaan pelabelan.

Pelabelan Jenis Tugas Job	Kuota Kategori Label - API	Kuota Kategori Label - Konsol
Klasifikasi gambar (Multi-label)	50	50
Klasifikasi gambar (Label tunggal)	Tidak terbatas.	30
Kotak pembatas (Deteksi objek)	50	50
Verifikasi label	Tidak terbatas.	30
Segmentasi semantik (dengan pembelajaran aktif)	20	10
Segmentasi semantik (tanpa pembelajaran aktif)	Tidak terbatas.	10
Pengakuan entitas bernama	Tidak terbatas.	30
Klasifikasi teks (Multi-label)	50	50
Klasifikasi teks (Label tunggal)	Tidak terbatas.	30
Klasifikasi video	30	30
Deteksi objek bingkai video	30	30
Pelacakan objek bingkai video	30	30
Deteksi objek awan titik 3D	30	30
Pelacakan objek awan titik 3D	30	30
Segmentasi semantik awan titik 3D	30	30

Kuota Pekerjaan Pelabelan Bingkai Cloud dan Bingkai Video 3D

Kuota berikut berlaku untuk data input pekerjaan pelabelan cloud titik 3D dan bingkai video.

Pelabelan Jenis Tugas Job	Kuota Data Masukan
Deteksi objek bingkai video	2.000 bingkai video (gambar) per urutan
Deteksi objek bingkai video	10 urutan bingkai video per file manifes
Pelacakan objek bingkai video	2.000 bingkai video (gambar) per urutan
Pelacakan objek bingkai video	10 urutan bingkai video per file manifes
Deteksi objek awan titik 3D	100.000 titik cloud frame per pekerjaan pelabelan
Pelacakan objek awan titik 3D	100.000 titik urutan bingkai awan per pekerjaan pelabelan
Pelacakan objek awan titik 3D	500 titik bingkai awan di setiap file urutan

Saat membuat bingkai video atau pekerjaan pelabelan awan titik 3D, Anda dapat menambahkan satu atau beberapa atribut kategori label ke setiap kategori label yang Anda tentukan agar pekerja memberikan informasi selengkapnya tentang anotasi.

Setiap atribut kategori label memiliki atribut kategori label tunggalname, dan daftar satu atau beberapa opsi (nilai) untuk dipilih. Untuk mempelajari lebih lanjut, lihat Antarmuka Pengguna Pekerja (UI) pekerjaan pelabelan cloud titik 3D dan Antarmuka Pengguna Pekerja (UI) untuk pekerjaan pelabelan bingkai video.

Kuota berikut berlaku untuk jumlah nama dan nilai atribut kategori label yang dapat Anda tentukan untuk pekerjaan pelabelan.

Pelabelan Jenis Tugas Job	Label Kategori Atribut (nama) Kuota	Kategori Label Nilai Atribut Kuota
Deteksi objek bingkai video	10	10
Pelacakan objek bingkai video	10	10
Deteksi objek awan titik 3D	10	10
Pelacakan objek awan titik 3D	10	10
Segmentasi semantik awan titik 3D	10	10