Klasifikasi Gambar (Multi-label)

Gunakan tugas pelabelan klasifikasi gambar multi-label Amazon SageMaker Ground Truth saat Anda membutuhkan pekerja untuk mengklasifikasikan beberapa objek dalam sebuah gambar. Misalnya, gambar berikut menampilkan kucing dan kucing. Anda dapat menggunakan klasifikasi gambar multi-label untuk mengaitkan label “dog” dan “cat” dengan gambar ini.

Saat mengerjakan tugas klasifikasi gambar multi-label, pekerja harus memilih semua label yang berlaku, tetapi harus memilih setidaknya satu. Saat membuat pekerjaan menggunakan jenis tugas ini, Anda dapat memberikan hingga 50 kategori label.

Saat membuat pekerjaan pelabelan di konsol, Ground Truth tidak menyediakan kategori “tidak ada” ketika tidak ada label yang berlaku untuk gambar. Untuk memberikan opsi ini kepada pekerja, sertakan label yang mirip dengan “tidak ada” atau “lainnya” saat Anda membuat pekerjaan klasifikasi gambar multi-label.

Untuk membatasi pekerja memilih satu label untuk setiap gambar, gunakan tipe Klasifikasi Gambar (Label Tunggal) tugas.

penting

Untuk jenis tugas ini, jika Anda membuat file manifes sendiri, gunakan "source-ref" untuk mengidentifikasi lokasi setiap file gambar di Amazon S3 yang ingin diberi label. Untuk informasi selengkapnya, lihat Masukan Data.

Membuat Pekerjaan Pelabelan Klasifikasi Gambar Multi-Label (Konsol)

Anda dapat mengikuti petunjuk Membuat Job Pelabelan (Konsol) untuk mempelajari cara membuat pekerjaan pelabelan klasifikasi gambar multi-label di SageMaker konsol. Pada Langkah 10, pilih Gambar dari menu tarik-turun kategori Tugas, dan pilih Klasifikasi Gambar (Multi-label) sebagai jenis tugas.

Ground Truth menyediakan UI pekerja yang mirip dengan yang berikut ini untuk tugas pelabelan. Saat membuat pekerjaan pelabelan di konsol, Anda menentukan petunjuk untuk membantu pekerja menyelesaikan pekerjaan dan label yang dapat dipilih pekerja.

Membuat Pekerjaan Pelabelan Klasifikasi Gambar Multi-Label (API)

Untuk membuat tugas pelabelan klasifikasi gambar multi-label, gunakan operasi SageMaker API. CreateLabelingJob API ini mendefinisikan operasi ini untuk semua AWS SDK. Untuk melihat daftar SDK khusus bahasa yang didukung untuk operasi ini, tinjau bagian Lihat Juga. CreateLabelingJob

Ikuti petunjuk Membuat Job Pelabelan (API) dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda:

• Fungsi Lambda pra-anotasi untuk jenis tugas ini diakhiri dengan. PRE-ImageMultiClassMultiLabel Untuk menemukan Lambda ARN pra-anotasi untuk Wilayah Anda, lihat. PreHumanTaskLambdaArn

• Fungsi Lambda konsolidasi anotasi untuk jenis tugas ini diakhiri dengan. ACS-ImageMultiClassMultiLabel Untuk menemukan Lambda ARN konsolidasi anotasi untuk Wilayah Anda, lihat. AnnotationConsolidationLambdaArn

Berikut ini adalah contoh permintaan AWS Python SDK (Boto3) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia N.). Semua parameter berwarna merah harus diganti dengan spesifikasi dan sumber daya Anda.

response = client.create_labeling_job(
    LabelingJobName='example-multi-label-image-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-ImageMultiClassMultiLabel',
        'TaskKeywords': [
            'Image Classification',
        ],
        'TaskTitle': 'Multi-label image classification task',
        'TaskDescription': 'Select all labels that apply to the images shown',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-ImageMultiClassMultiLabel'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

Berikan Template untuk Klasifikasi Gambar Multi-label

Jika Anda membuat pekerjaan pelabelan menggunakan API, Anda harus menyediakan template tugas pekerja diUiTemplateS3Uri. Salin dan modifikasi template berikut. Hanya memodifikasi short-instructions, full-instructions, danheader.

Unggah template ini ke S3, dan berikan URI S3 untuk file ini. UiTemplateS3Uri

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-image-classifier-multi-select
    name="crowd-image-classifier-multi-select"
    src="{{ task.input.taskObject | grant_read_access }}"
    header="Please identify all classes in image"
    categories="{{ task.input.labels | to_json | escape }}"
  >
    <full-instructions header="Multi Label Image classification instructions">
      <ol><li><strong>Read</strong> the task carefully and inspect the image.</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 labels that best suit the image.</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>
      <h3><span style="color: rgb(230, 0, 0);">Bad example</span></h3>
      <p>Enter description of an incorrect label</p>
   </short-instructions>
  </crowd-image-classifier-multi-select>
</crowd-form>

Data Keluaran Klasifikasi Gambar Multi-label

Setelah Anda membuat tugas pelabelan klasifikasi gambar multi-label, data keluaran Anda akan ditempatkan di bucket Amazon S3 yang ditentukan dalam S3OutputPath parameter saat menggunakan API atau di bidang lokasi kumpulan data Output pada bagian Ikhtisar pekerjaan konsol.

Untuk mempelajari lebih lanjut tentang file manifes keluaran yang dihasilkan oleh Ground Truth dan struktur file yang digunakan Ground Truth untuk menyimpan data keluaran Anda, lihatData Keluaran.

Untuk melihat contoh file manifes keluaran untuk pekerjaan pelabelan klasifikasi gambar multi-label, lihat. Output Pekerjaan Klasifikasi Multi-label