Definindo JSON linhas para segmentação de imagens

Você define uma JSON linha para cada imagem que deseja usar em um arquivo de manifesto do Amazon Lookout for Vision. Se você quiser criar um modelo de segmentação, a JSON linha deve incluir informações de segmentação e classificação da imagem. Um arquivo de manifesto é feito de uma ou mais JSON linhas, uma para cada imagem que você deseja importar.

Para criar um arquivo de manifesto para imagens segmentadas

1. Crie um arquivo de texto vazio.

2. Adicione uma JSON linha para cada imagem que você deseja importar. Cada JSON linha deve ter uma aparência semelhante à seguinte:

   {"source-ref":"s3://path-to-image","anomaly-label":1,"anomaly-label-metadata":{"class-name":"anomaly","creation-date":"2021-10-12T14:16:45.668","human-annotated":"yes","job-name":"labeling-job/classification-job","type":"groundtruth/image-classification","confidence":1},"anomaly-mask-ref":"s3://path-to-image","anomaly-mask-ref-metadata":{"internal-color-map":{"0":{"class-name":"BACKGROUND","hex-color":"#ffffff","confidence":0.0},"1":{"class-name":"scratch","hex-color":"#2ca02c","confidence":0.0},"2":{"class-name":"dent","hex-color":"#1f77b4","confidence":0.0}},"type":"groundtruth/semantic-segmentation","human-annotated":"yes","creation-date":"2021-11-23T20:31:57.758889","job-name":"labeling-job/segmentation-job"}}

3. Salve o arquivo.

   nota

   É possível usar a extensão .manifest, mas ela não é obrigatória.

4. Crie um conjunto de dados usando o arquivo de manifesto que você criou. Para obter mais informações, consulte Criar um arquivo de manifesto.

Linhas de segmentação JSON

Nesta seção, você aprenderá a criar uma JSON linha que inclui informações de segmentação e classificação de uma imagem.

A JSON linha a seguir mostra uma imagem com informações de segmentação e classificação. anomaly-label-metadatacontém informações de classificação. anomaly-mask-refe anomaly-mask-ref-metadata contêm informações de segmentação.

{
    "source-ref": "s3://path-to-image",
    "anomaly-label": 1,
    "anomaly-label-metadata": {
        "class-name": "anomaly",
        "creation-date": "2021-10-12T14:16:45.668",
        "human-annotated": "yes",
        "job-name": "labeling-job/classification-job",
        "type": "groundtruth/image-classification",
        "confidence": 1
    },
    "anomaly-mask-ref": "s3://path-to-image",
    "anomaly-mask-ref-metadata": {
        "internal-color-map": {
            "0": {
                "class-name": "BACKGROUND",
                "hex-color": "#ffffff",
                "confidence": 0.0
            },
            "1": {
                "class-name": "scratch",
                "hex-color": "#2ca02c",
                "confidence": 0.0
            },
            "2": {
                "class-name": "dent",
                "hex-color": "#1f77b4",
                "confidence": 0.0
            }
        },
        "type": "groundtruth/semantic-segmentation",
        "human-annotated": "yes",
        "creation-date": "2021-11-23T20:31:57.758889",
        "job-name": "labeling-job/segmentation-job"
    }
}               
                

JSONchaves e valores de linha

As informações a seguir descrevem as chaves e os valores em uma linha do Amazon Lookout for JSON Vision.

source-ref

(Obrigatório) O local no Amazon S3 da imagem. O formato é "s3://BUCKET/OBJECT_PATH". As imagens em um conjunto de dados importado devem ser armazenadas no mesmo bucket do Amazon S3.

Descrever detectores de anomalias

(Obrigatório) O nome do atributo a ser usado. Use a chave anomaly-label ou o nome de outra chave que você escolher. O valor da chave (1 no exemplo anterior) é exigido pelo Amazon Lookout for Vision, mas não é usado. O manifesto de saída criado pelo Amazon Lookout for Vision converte o valor para 1 para uma imagem anômala e um valor de 0 de para uma imagem normal. O valor de class-name determina se a imagem é normal ou anômala.

Deve haver metadados correspondentes identificados pelo nome do campo com -metadata anexado. Por exemplo, "anomaly-label-metadata".

anomaly-label-metadata

(Obrigatório) Metadados sobre o atributo do rótulo. Contém informações de classificação. O nome do campo deve ser o mesmo do atributo de rótulo com -metadata anexado.

confiança

(Opcional) No momento, não usado pelo Amazon Lookout for Vision. Se você especificar um valor, use um valor de 1.

job-name

(Opcional) Um nome que você escolhe para o trabalho que processa a imagem.

Nome da classe

(Obrigatório) Se a imagem contiver conteúdo normal, especifique normal, caso contrário, especifique anomaly. Se o valor de class-name for qualquer outro valor, a imagem será adicionada ao conjunto de dados como uma imagem sem rótulo. Para rotular uma imagem, consulte Adicionar imagens ao seu conjunto de dados.

human-annotated

(Obrigatório) Especifique "yes" se a anotação foi preenchida por um humano. Caso contrário, especifique "no".

Data de criação

(Opcional) A hora universal coordenada (UTC) data e hora em que o rótulo foi criado.

tipo

(Obrigatório) O tipo de processamento que deve ser aplicado à imagem. Use o valor "groundtruth/image-classification".

anomaly-mask-ref

(Obrigatório) O local da imagem de máscara no Amazon S3. Use anomaly-mask-ref para o nome da chave ou use o nome de uma chave de sua escolha. A chave deve terminar com -ref. A imagem da máscara deve conter máscaras coloridas para cada tipo de anomalia internal-color-map. O formato é "s3://BUCKET/OBJECT_PATH". As imagens em um conjunto de dados importado devem ser armazenadas no mesmo bucket do Amazon S3. A imagem da máscara deve ser uma imagem no formato Portable Network Graphic (PNG).

anomaly-mask-ref-metadata

(Obrigatório) Metadados de segmentação da imagem. Use anomaly-mask-ref-metadata para o nome da chave ou use o nome de uma chave de sua escolha. O nome da chave deve terminar com -ref-metadata.

internal-color-map

(Obrigatório) Um mapa de cores mapeado para tipos individuais de anomalias. As cores devem corresponder às cores na imagem da máscara (anomaly-mask-ref).

chave

(Obrigatório) A chave do mapa. A entrada 0 deve conter o nome da classe BACKGROUND que representa áreas fora das anomalias na imagem.

Nome da classe

(Obrigatório) O nome do tipo de anomalia, como arranhão ou amassado.

cor hexadecimal

(Obrigatório) A cor hexadecimal do tipo de anomalia, como #2ca02c. A cor deve corresponder a uma cor em anomaly-mask-ref. O valor do tipo de anomalia BACKGROUND é sempre #ffffff.

confiança

(Obrigatório) Atualmente não é usado pelo Amazon Lookout for Vision, mas é necessário um valor flutuante.

human-annotated

(Obrigatório) Especifique "yes" se a anotação foi preenchida por um humano. Caso contrário, especifique "no".

Data de criação

(Opcional) A hora universal coordenada (UTC) data e hora em que as informações de segmentação foram criadas.

tipo

(Obrigatório) O tipo de processamento que deve ser aplicado à imagem. Use o valor "groundtruth/semantic-segmentation".