Utilizzo di un job Amazon Sagemaker Ground Truth

L'etichettatura delle immagini può richiedere molto tempo. Ad esempio, possono essere necessari 10 secondi per disegnare con precisione una maschera attorno a un'anomalia. Se hai centinaia di immagini, potrebbero essere necessarie diverse ore per etichettarle. In alternativa all'etichettatura personalizzata delle immagini, prendi in considerazione l'utilizzo di Amazon SageMaker Ground Truth.

Con Amazon SageMaker Ground Truth, puoi utilizzare i lavoratori di Amazon Mechanical Turk, un'azienda fornitrice di tua scelta, o una forza lavoro interna privata per creare un set di immagini etichettato. Per ulteriori informazioni, consulta Use Amazon SageMaker Ground Truth to Label Data.

L'utilizzo di Amazon Mechanical Turk prevede un costo. Inoltre, potrebbero essere necessari diversi giorni per completare un processo di etichettatura di Amazon Ground Truth. Se il costo è un problema o se devi addestrare rapidamente il tuo modello, ti consigliamo di utilizzare la console Amazon Lookout for Vision per etichettare le tue immagini.

Puoi utilizzare un processo di etichettatura di Amazon SageMaker Ground Truth per etichettare immagini adatte ai modelli di classificazione delle immagini e ai modelli di segmentazione delle immagini. Al termine del processo, utilizzi il file manifest di output per creare un set di dati Amazon Lookout for Vision.

Classificazione delle immagini

Per etichettare le immagini per un modello di classificazione delle immagini, crea un processo di etichettatura per un'attività di classificazione delle immagini (etichetta singola).

Segmentazione delle immagini

Per etichettare le immagini per un modello di segmentazione delle immagini, create un processo di etichettatura per un'attività di classificazione delle immagini (etichetta singola). Quindi, concatenate il lavoro per creare un lavoro di etichettatura per un'attività di segmentazione semantica delle immagini.

È inoltre possibile utilizzare un processo di etichettatura per creare un file manifesto parziale per un modello di segmentazione dell'immagine. Ad esempio, è possibile classificare le immagini con un'attività di classificazione delle immagini (etichetta singola). Dopo aver creato un set di dati Lookout for Vision con l'output del lavoro, utilizza la console Amazon Lookout for Vision per aggiungere maschere di segmentazione ed etichette di anomalia alle immagini del set di dati.

Etichettatura delle immagini con Amazon SageMaker Ground Truth

La procedura seguente mostra come etichettare le immagini con le attività di etichettatura delle immagini di Amazon SageMaker Ground Truth. La procedura crea un file manifesto di classificazione delle immagini e, facoltativamente, concatena l'attività di etichettatura delle immagini per creare un file manifesto di segmentazione delle immagini. Se desideri che il tuo progetto abbia un set di dati di test separato, ripeti questa procedura per creare il file manifesto per il set di dati di test.

Per etichettare le immagini con Amazon SageMaker Ground Truth (Console)

1. Crea un lavoro Ground Truth per un'attività di classificazione delle immagini (etichetta singola) seguendo le istruzioni in Create a Labeling Job (Console).

   1. Per il passaggio 10, scegli Immagine dal menu a discesa della categoria Attività e scegli Classificazione delle immagini (etichetta singola) come tipo di attività.

   2. Per la fase 16, nella sezione dello strumento di etichettatura per la classificazione delle immagini (etichetta singola), aggiungi due etichette: normale e anomalia.

2. Attendi che la forza lavoro finisca di classificare le tue immagini.

3. Se state creando un set di dati per un modello di segmentazione delle immagini, effettuate le seguenti operazioni. Altrimenti vai al passaggio 4.

   1. Nella console Amazon SageMaker Ground Truth, apri la pagina Labeling jobs.

   2. Scegli il lavoro che hai creato in precedenza. Viene abilitato il menu Azioni.

   3. Nel menu Azioni scegli Copia. Si apre la pagina dei dettagli del lavoro.

   4. Nel tipo di attività, scegli la segmentazione semantica.

   5. Seleziona Successivo.

   6. Nella sezione Strumento di etichettatura della segmentazione semantica, aggiungi etichette di anomalia per ogni tipo di anomalia che desideri che il tuo modello trovi.

   7. Scegli Crea.

   8. Attendi che la forza lavoro applichi un'etichetta alle tue immagini.

4. Apri la console Ground Truth e apri la pagina Labeling jobs.

5. Se state creando un modello di classificazione delle immagini, scegliete il lavoro creato nel passaggio 1. Se state creando un modello di segmentazione delle immagini, scegliete il lavoro creato nel passaggio 3.

6. Nel riepilogo del lavoro di etichettatura, apri la posizione S3 nella posizione del set di dati di output. Nota la posizione del file manifest, che dovrebbe essere. s3://output-dataset-location/manifests/output/output.manifest

7. Ripetete questa procedura se desiderate creare un file manifesto per un set di dati di test. Altrimenti, segui le istruzioni riportate Creazione del set di dati per creare un set di dati con il file manifest.

Creazione del set di dati

Utilizzate questa procedura per creare un set di dati in un progetto Lookout for Vision con il file manifest annotato nel passaggio 6 di. Etichettatura delle immagini con Amazon SageMaker Ground Truth Il file manifest crea il set di dati di addestramento per un singolo progetto di set di dati. Se desideri che il tuo progetto abbia un set di dati di test separato, puoi eseguire un altro job di Amazon SageMaker Ground Truth per creare un file manifest per il set di dati di test. Oppure puoi creare tu stesso il file manifest. Puoi anche importare immagini nel tuo set di dati di test da un bucket Amazon S3 o dal tuo computer locale. (Potrebbe essere necessario etichettare le immagini prima di poter addestrare il modello).

Questa procedura presuppone che il progetto non abbia alcun set di dati.

Per creare un set di dati con Lookout for Vision (console)

1. Apri la console Amazon Lookout for Vision all'indirizzo https://console.aws.amazon.com/lookoutvision/.

2. Scegli Avvia.

3. Nel pannello di navigazione a sinistra, scegli Progetti.

4. Scegli il progetto che desideri aggiungere da utilizzare con il file manifest.

5. Nella sezione Come funziona, scegli Crea set di dati.

6. Scegli la scheda Set di dati singolo o la scheda Set di dati di addestramento e test separati e segui i passaggi.

   Single dataset

   1. Scegli Crea un singolo set di dati.

   2. Nella sezione Configurazione dell'origine dell'immagine, scegli Importa immagini etichettate da SageMaker Ground Truth.

   3. Per la posizione del file.manifest, inserisci la posizione del file manifest che hai annotato nel passaggio 6 di. Etichettatura delle immagini con Amazon SageMaker Ground Truth

   Separate training and test datasets

   1. Scegli Crea un set di dati di addestramento e un set di dati di test.

   2. Nella sezione Dettagli del set di dati di addestramento, scegli Importa immagini etichettate da SageMaker Ground Truth.

   3. Nella posizione del file.manifest, la posizione del file manifest annotato nel passaggio 6 di. Etichettatura delle immagini con Amazon SageMaker Ground Truth

   4. Nella sezione Dettagli del set di dati di test, scegli Importa immagini etichettate da SageMaker Ground Truth.

   5. Nella posizione del file.manifest, la posizione del file manifest annotato nel passaggio 6 di. Etichettatura delle immagini con Amazon SageMaker Ground Truth Ricordate che è necessario un file manifest separato per il set di dati di test.

7. Scegli Invia.

8. Seguire i passaggi indicati in Addestrare il modello per addestrare il modello.