Klasifikasi Video

Gunakan tugas pelabelan klasifikasi video Amazon SageMaker Ground Truth saat Anda membutuhkan pekerja untuk mengklasifikasikan video menggunakan label yang telah ditentukan sebelumnya yang Anda tentukan. Pekerja diperlihatkan video dan diminta untuk memilih satu label untuk setiap video.

Anda membuat pekerjaan pelabelan klasifikasi video menggunakan bagian Ground Truth di SageMaker konsol Amazon atau CreateLabelingJoboperasinya.

File video Anda harus dikodekan dalam format yang didukung oleh browser yang digunakan oleh tim kerja yang memberi label data Anda. Anda disarankan untuk memverifikasi bahwa semua format file video dalam file manifes masukan ditampilkan dengan benar menggunakan pratinjau UI pekerja. Anda dapat mengkomunikasikan browser yang didukung kepada pekerja Anda menggunakan instruksi pekerja. Untuk melihat format file yang didukung, lihatFormat Data yang Didukung.

penting

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

Membuat Job Pelabelan Klasifikasi Video (Konsol)

Anda dapat mengikuti petunjuk Membuat Job Pelabelan (Konsol) untuk mempelajari cara membuat pekerjaan pelabelan klasifikasi video di SageMaker konsol. Pada langkah 10, pilih Video dari daftar dropdown kategori tugas, dan pilih Klasifikasi Video 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 Job Pelabelan Klasifikasi Video () API

Bagian ini mencakup detail yang perlu Anda ketahui saat membuat pekerjaan pelabelan menggunakan SageMaker API operasiCreateLabelingJob. Ini API mendefinisikan operasi ini untuk semua AWS SDKs. Untuk melihat daftar bahasa khusus yang SDKs didukung untuk operasi ini, tinjau bagian Lihat Juga. CreateLabelingJob

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

• Gunakan fungsi Lambda pra-anotasi yang diakhiri dengan. PRE-VideoClassification Untuk menemukan Lambda pra-anotasi ARN untuk Wilayah Anda, lihat. PreHumanTaskLambdaArn

• Gunakan fungsi Lambda anotasi-konsolidasi yang diakhiri dengan. ACS-VideoClassification Untuk menemukan ARN Lambda anotasi-konsolidasi untuk Wilayah Anda, lihat. AnnotationConsolidationLambdaArn

Berikut ini adalah contoh permintaan AWS Python SDK (Boto3) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia N.).

response = client.create_labeling_job(
    LabelingJobName='example-video-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-VideoClassification',
        'TaskKeywords': [
            'Video Classification',
        ],
        'TaskTitle': 'Video classification task',
        'TaskDescription': 'Select a label to classify this video',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoClassification'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

Berikan Template untuk Klasifikasi Video

Jika Anda membuat pekerjaan pelabelan menggunakanAPI, Anda harus menyediakan template tugas pekerja diUiTemplateS3Uri. Salin dan modifikasi template berikut dengan memodifikasishort-instructions,full-instructions, danheader. Unggah template ini ke Amazon S3, dan berikan Amazon URI S3 ke file ini. UiTemplateS3Uri

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>

              <crowd-form>
                  <crowd-classifier
                    name="crowd-classifier"
                    categories="{{ task.input.labels | to_json | escape }}"
                    header="Please classify video"
                  >
                    <classification-target>
                       <video width="100%" controls/>
                        <source src="{{ task.input.taskObject | grant_read_access }}" type="video/mp4"/>
                        <source src="{{ task.input.taskObject | grant_read_access }}" type="video/webm"/>
                        <source src="{{ task.input.taskObject | grant_read_access }}" type="video/ogg"/>
                      Your browser does not support the video tag.
                      </video>
                    </classification-target>
                    <full-instructions header="Video classification instructions">
                      <ol><li><strong>Read</strong> the task carefully and inspect the video.</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 label that best suits the video.</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>
                        <p><img src="https://d7evko5405gb7.cloudfront.net/fe4fed9b-660c-4477-9294-2c66a15d6bbe/src/images/quick-instructions-example-placeholder.png" style="max-width:100%"></p>
                        <h3><span style="color: rgb(230, 0, 0);">Bad example</span></h3>
                        <p>Enter description of an incorrect label</p>
                        <p><img src="https://d7evko5405gb7.cloudfront.net/fe4fed9b-660c-4477-9294-2c66a15d6bbe/src/images/quick-instructions-example-placeholder.png" style="max-width:100%"></p>
                    </short-instructions>
                  </crowd-classifier>
              </crowd-form>

Data Keluaran Klasifikasi Video

Setelah Anda membuat pekerjaan pelabelan klasifikasi video, data keluaran Anda akan berada di bucket Amazon S3 yang ditentukan dalam S3OutputPath parameter saat menggunakan API atau di bidang lokasi kumpulan data Output di 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 video, lihatKlasifikasi Job Output.