Creazione di un file manifesto da un CSV file - Rekognition

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Creazione di un file manifesto da un CSV file

Questo esempio di script Python semplifica la creazione di un file manifest utilizzando un file Comma Separated Values (CSV) per etichettare le immagini. Il file viene creato. CSV Il file manifest è adatto per la classificazione di immagini multietichetta o Classificazione delle immagini multietichetta. Per ulteriori informazioni, consulta Trova oggetti, scene e concetti.

Nota

Questo script non crea un file manifest adatto alla ricerca di posizioni di oggetti o di posizione marchi.

Un file manifest descrive le immagini utilizzate per addestrare un modello. Ad esempio, le posizioni delle immagini e le etichette assegnate alle immagini. Un file manifesto è composto da una o più JSON righe. Ogni JSON riga descrive una singola immagine. Per ulteriori informazioni, consulta Importazione di etichette a livello di immagine nei file manifest.

Un CSV file rappresenta dati tabulari su più righe in un file di testo. I campi in una riga sono separati da una virgola. Per ulteriori informazioni, consulta valori separati da virgola. Per questo script, ogni riga CSV del file rappresenta una singola immagine ed è mappata a una JSON linea nel file manifesto. Per creare un CSV file per un file manifesto che supporti la classificazione delle immagini multietichetta, aggiungete una o più etichette a livello di immagine a ciascuna riga. Per creare un file manifest adatto a Classificazione delle immagini, aggiungere una singola etichetta a livello di immagine in ciascuna riga.

Ad esempio, il CSV file seguente descrive le immagini del progetto Classificazione delle immagini multietichetta (Flowers) Getting started.

camellia1.jpg,camellia,with_leaves camellia2.jpg,camellia,with_leaves camellia3.jpg,camellia,without_leaves helleborus1.jpg,helleborus,without_leaves,not_fully_grown helleborus2.jpg,helleborus,with_leaves,fully_grown helleborus3.jpg,helleborus,with_leaves,fully_grown jonquil1.jpg,jonquil,with_leaves jonquil2.jpg,jonquil,with_leaves jonquil3.jpg,jonquil,with_leaves jonquil4.jpg,jonquil,without_leaves mauve_honey_myrtle1.jpg,mauve_honey_myrtle,without_leaves mauve_honey_myrtle2.jpg,mauve_honey_myrtle,with_leaves mauve_honey_myrtle3.jpg,mauve_honey_myrtle,with_leaves mediterranean_spurge1.jpg,mediterranean_spurge,with_leaves mediterranean_spurge2.jpg,mediterranean_spurge,without_leaves

Lo script genera JSON linee per ogni riga. Ad esempio, la seguente è la JSON riga per la prima riga (camellia1.jpg,camellia,with_leaves).

{"source-ref": "s3://bucket/flowers/train/camellia1.jpg","camellia": 1,"camellia-metadata":{"confidence": 1,"job-name": "labeling-job/camellia","class-name": "camellia","human-annotated": "yes","creation-date": "2022-01-21T14:21:05","type": "groundtruth/image-classification"},"with_leaves": 1,"with_leaves-metadata":{"confidence": 1,"job-name": "labeling-job/with_leaves","class-name": "with_leaves","human-annotated": "yes","creation-date": "2022-01-21T14:21:05","type": "groundtruth/image-classification"}}

Nell'esempioCSV, il percorso di Amazon S3 verso l'immagine non è presente. Se il CSV file non include il percorso Amazon S3 per le immagini, usa l'argomento della --s3_path riga di comando per specificare il percorso Amazon S3 dell'immagine.

Lo script registra la prima voce per ogni immagine in un file di immagine deduplicato. CSV Il CSV file di immagine deduplicato contiene una singola istanza di ogni immagine trovata nel file di input. CSV Le ulteriori occorrenze di un'immagine nel file di input vengono registrate in un CSV file di immagine duplicato. CSV Se lo script trova immagini duplicate, esaminate il file di immagine duplicato e aggiornate il CSV file di immagine deduplicato, se necessario. CSV Eseguire nuovamente lo script con il file deduplicato. Se non vengono trovati duplicati nel file di input, lo script elimina il CSV file di immagine deduplicato e l'immagine duplicata, poiché sono CSV vuoti. CSVfile

In questa procedura, create il CSV file ed eseguite lo script Python per creare il file manifest.

Per creare un file manifesto da un CSV file
  1. Crea un CSV file con i seguenti campi in ogni riga (una riga per immagine). Non aggiungere una riga di intestazione al CSV file.

    Campo 1 Campo 2 Campo n

    Il nome dell'immagine o il percorso Amazon S3 all'immagine. Ad esempio s3://my-bucket/flowers/train/camellia1.jpg. Non si può avere una combinazione tra immagini con il percorso Amazon S3 e senza.

    La prima etichetta a livello di immagine per l'immagine.

    Una o più etichette aggiuntive a livello di immagine separate da virgole. Aggiungere solo se si desidera creare un file manifest che supporti la classificazione delle immagini multietichetta.

    Ad esempio, camellia1.jpg,camellia,with_leaves o s3://my-bucket/flowers/train/camellia1.jpg,camellia,with_leaves

  2. Salvare il file CSV.

  3. Eseguire il seguente Python script. Fornire gli argomenti seguenti:

    • csv_file— Il CSV file che hai creato nel passaggio 1.

    • manifest_file: il nome del file manifest che si desidera creare.

    • (Facoltativo)--s3_path s3://path_to_folder/: il percorso Amazon S3 da aggiungere ai nomi dei file immagine (campo 1). Utilizzare --s3_path se le immagini nel campo 1 non contengono già un percorso S3.

    # Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved. # SPDX-License-Identifier: Apache-2.0 from datetime import datetime, timezone import argparse import logging import csv import os import json """ Purpose Amazon Rekognition Custom Labels model example used in the service documentation. Shows how to create an image-level (classification) manifest file from a CSV file. You can specify multiple image level labels per image. CSV file format is image,label,label,.. If necessary, use the bucket argument to specify the S3 bucket folder for the images. https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/md-gt-cl-transform.html """ logger = logging.getLogger(__name__) def check_duplicates(csv_file, deduplicated_file, duplicates_file): """ Checks for duplicate images in a CSV file. If duplicate images are found, deduplicated_file is the deduplicated CSV file - only the first occurence of a duplicate is recorded. Other duplicates are recorded in duplicates_file. :param csv_file: The source CSV file. :param deduplicated_file: The deduplicated CSV file to create. If no duplicates are found this file is removed. :param duplicates_file: The duplicate images CSV file to create. If no duplicates are found this file is removed. :return: True if duplicates are found, otherwise false. """ logger.info("Deduplicating %s", csv_file) duplicates_found = False # Find duplicates. with open(csv_file, 'r', newline='', encoding="UTF-8") as f,\ open(deduplicated_file, 'w', encoding="UTF-8") as dedup,\ open(duplicates_file, 'w', encoding="UTF-8") as duplicates: reader = csv.reader(f, delimiter=',') dedup_writer = csv.writer(dedup) duplicates_writer = csv.writer(duplicates) entries = set() for row in reader: # Skip empty lines. if not ''.join(row).strip(): continue key = row[0] if key not in entries: dedup_writer.writerow(row) entries.add(key) else: duplicates_writer.writerow(row) duplicates_found = True if duplicates_found: logger.info("Duplicates found check %s", duplicates_file) else: os.remove(duplicates_file) os.remove(deduplicated_file) return duplicates_found def create_manifest_file(csv_file, manifest_file, s3_path): """ Reads a CSV file and creates a Custom Labels classification manifest file. :param csv_file: The source CSV file. :param manifest_file: The name of the manifest file to create. :param s3_path: The S3 path to the folder that contains the images. """ logger.info("Processing CSV file %s", csv_file) image_count = 0 label_count = 0 with open(csv_file, newline='', encoding="UTF-8") as csvfile,\ open(manifest_file, "w", encoding="UTF-8") as output_file: image_classifications = csv.reader( csvfile, delimiter=',', quotechar='|') # Process each row (image) in CSV file. for row in image_classifications: source_ref = str(s3_path)+row[0] image_count += 1 # Create JSON for image source ref. json_line = {} json_line['source-ref'] = source_ref # Process each image level label. for index in range(1, len(row)): image_level_label = row[index] # Skip empty columns. if image_level_label == '': continue label_count += 1 # Create the JSON line metadata. json_line[image_level_label] = 1 metadata = {} metadata['confidence'] = 1 metadata['job-name'] = 'labeling-job/' + image_level_label metadata['class-name'] = image_level_label metadata['human-annotated'] = "yes" metadata['creation-date'] = \ datetime.now(timezone.utc).strftime('%Y-%m-%dT%H:%M:%S.%f') metadata['type'] = "groundtruth/image-classification" json_line[f'{image_level_label}-metadata'] = metadata # Write the image JSON Line. output_file.write(json.dumps(json_line)) output_file.write('\n') output_file.close() logger.info("Finished creating manifest file %s\nImages: %s\nLabels: %s", manifest_file, image_count, label_count) return image_count, label_count def add_arguments(parser): """ Adds command line arguments to the parser. :param parser: The command line parser. """ parser.add_argument( "csv_file", help="The CSV file that you want to process." ) parser.add_argument( "--s3_path", help="The S3 bucket and folder path for the images." " If not supplied, column 1 is assumed to include the S3 path.", required=False ) def main(): logging.basicConfig(level=logging.INFO, format="%(levelname)s: %(message)s") try: # Get command line arguments parser = argparse.ArgumentParser(usage=argparse.SUPPRESS) add_arguments(parser) args = parser.parse_args() s3_path = args.s3_path if s3_path is None: s3_path = '' # Create file names. csv_file = args.csv_file file_name = os.path.splitext(csv_file)[0] manifest_file = f'{file_name}.manifest' duplicates_file = f'{file_name}-duplicates.csv' deduplicated_file = f'{file_name}-deduplicated.csv' # Create manifest file, if there are no duplicate images. if check_duplicates(csv_file, deduplicated_file, duplicates_file): print(f"Duplicates found. Use {duplicates_file} to view duplicates " f"and then update {deduplicated_file}. ") print(f"{deduplicated_file} contains the first occurence of a duplicate. " "Update as necessary with the correct label information.") print(f"Re-run the script with {deduplicated_file}") else: print("No duplicates found. Creating manifest file.") image_count, label_count = create_manifest_file(csv_file, manifest_file, s3_path) print(f"Finished creating manifest file: {manifest_file} \n" f"Images: {image_count}\nLabels: {label_count}") except FileNotFoundError as err: logger.exception("File not found: %s", err) print(f"File not found: {err}. Check your input CSV file.") if __name__ == "__main__": main()
  4. Se si vuole utilizzare un set di dati di test, ripetere i passaggi da 1 a 3 per creare un file manifest per il set di dati di test.

  5. Se necessario, copia le immagini nel percorso del bucket Amazon S3 specificato nella colonna 1 del CSV file (o specificato nella --s3_path riga di comando). Utilizzare il seguente comando AWS S3.

    aws s3 cp --recursive your-local-folder s3://your-target-S3-location
  6. Carica i file manifest nel bucket Amazon S3 che si desidera utilizzare per archiviare il file manifest.

    Nota

    Assicurati che Amazon Rekognition Custom Labels abbia accesso al bucket Amazon S3 a cui si fa riferimento source-ref nel campo delle righe del file manifest. JSON Per ulteriori informazioni, consulta Accesso a bucket Amazon S3 esterni. Se il lavoro Ground Truth memorizza immagini nel bucket della console Amazon Rekognition Custom Labels, non è necessario aggiungere autorizzazioni.

  7. Seguire le istruzioni riportate in Creazione di un set di dati con un file manifest SageMaker Ground Truth (Console) per creare un set di dati con il file manifest caricato. Per il passaggio 8, nella posizione del file.manifest, inserisci Amazon URL S3 per la posizione del file manifest. Se stai usando il AWS SDK, fallo. Creazione di un set di dati con un file manifest SageMaker Ground Truth () SDK