使用 Amazon SageMaker Ground Truth 任务

标注图像可能会花费大量时间。例如，在异常周围精确绘制掩码可能会花费数十秒。如果有数百张图像，则可能需要几个小时才完成标注。除了自己给图片贴标签之外，还可以考虑使用 Amazon G SageMaker round Truth。

借助 Amazon G SageMaker round Truth，你可以使用 Amazon Mechanical Turk（你选择的供应商公司）的工作人员或内部的私人员工来创建一组带标签的图像。有关更多信息，请参阅使用 Amazon G SageMaker round Truth 为数据添加标签。

使用 Amazon Mechanical Turk 需要付费。此外，完成 Amazon Ground Truth 标注作业可能需要几天时间。如果存在成本问题，或者您需要快速训练模型，我们建议使用 Amazon Lookout for Vision 控制台来标注图像。

您可以使用 Amazon G SageMaker round Truth 标签作业来标记适用于图像分类模型和图像分割模型的图片。任务完成后，您应使用输出清单文件创建 Amazon Lookout for Vision 数据集。

图像分类

要为图像分类模型标注图像，请为图像分类（单标签）任务创建标注作业。

图像分割

要为图像分割模型标注图像，请为图像分类（单标签）任务创建标注作业。然后，将该作业链接起来，从而为图像语义分割任务创建标注作业。

您也可以使用标注作业为图像分割模型创建部分清单文件。例如，您可以使用图像分类（单标签）任务对图像进行分类。在使用该作业的输出创建 Lookout for Vision 数据集后，应使用 Amazon Lookout for Vision 控制台向数据集图像添加分割掩码和异常标签。

使用 Amazon G SageMaker round Truth 为图片贴标

以下过程展示了如何使用 Amazon G SageMaker round Truth 图片标签任务为图片添加标签。该过程会创建一个图像分类清单文件，然后可选择将图像标注任务链接起来，从而创建图像分割清单文件。如果希望您的项目采用单独的测试数据集，请重复此过程，以便为测试数据集创建清单文件。

使用 Amazon G SageMaker round Truth（控制台）为图片添加标签

1. 按照创建标注作业（控制台）中的说明，为图像分类（单标签） 任务创建 Ground Truth 作业。

   1. 在步骤 10 中，从任务类别下拉菜单中选择图像，然后选择图像分类（单标签）作为任务类型。

   2. 在步骤 16 中，在图像分类（单标签）标注工具部分，添加两个标签：正常和异常。

2. 等待工作人员完成图像分类。

3. 如果要为图像分割模型创建数据集，请执行以下操作。否则，转至步骤 4。

   1. 在 Amazon G SageMaker round Truth 控制台中，打开标注任务页面。

   2. 选择您之前创建的作业。这会启用操作菜单。

   3. 从操作菜单中，选择链接。此时将打开作业详细信息页面。

   4. 在任务类型中，选择语义分割。

   5. 选择下一步。

   6. 在语义分割标注工具部分，为您希望模型发现的每种异常类型添加异常标签。

   7. 选择创建。

   8. 等待工作人员标注您的图像。

4. 打开 Ground Truth 控制台并打开标注作业页面。

5. 如果要创建图像分类模型，请选择您在步骤 1 中创建的作业。如果要创建图像分割模型，请选择您在步骤 3 中创建的作业。

6. 在标注作业摘要中，打开输出数据集位置中的 S3 位置。记下清单文件的位置，应该是 s3://output-dataset-location/manifests/output/output.manifest。

7. 如果要为测试数据集创建清单文件，请重复此过程。否则，请按照创建数据集中的说明操作，使用清单文件创建数据集。

创建数据集

通过此过程，可以使用您在 使用 Amazon G SageMaker round Truth 为图片贴标 步骤 6 中记下的清单文件，在 Lookout for Vision 项目中创建一个数据集。清单文件会为单数据集项目创建训练数据集。如果您希望您的项目拥有单独的测试数据集，则可以运行另一个 Amazon G SageMaker round Truth 任务来为测试数据集创建清单文件。或者，您可以自己创建清单文件。您也可以从 Amazon S3 桶或自己的本地计算机，向测试数据集中导入图像。（可能需要标注这些图像，然后才能训练模型）。

此过程将假设您的项目没有任何数据集。

使用 Lookout for Vision 创建数据集（控制台）

1. 打开亚马逊 Lookout for Vision 控制台 https://console.aws.amazon.com/lookoutvision/，网址为。

2. 选择开始。

3. 在左侧导航窗格中，选择项目。

4. 选择要添加到哪一个项目，以便与清单文件一起使用。

5. 在工作原理部分，选择创建数据集。

6. 选择单数据集选项卡或单独的训练数据集和测试数据集选项卡，然后按照步骤进行操作。

   Single dataset

   1. 选择创建单个数据集。

   2. 在图像源配置部分，选择导入由 G SageMaker round Truth 标记的图像。

   3. 对于 .manifest 文件位置，请输入您在 使用 Amazon G SageMaker round Truth 为图片贴标 步骤 6 中记下的清单文件位置。

   Separate training and test datasets

   1. 选择创建训练数据集和测试数据集。

   2. 在训练数据集详细信息部分，选择导入 SageMaker由 Ground Truth 标注的图像。

   3. 在 .manifest 文件位置中，输入您在 使用 Amazon G SageMaker round Truth 为图片贴标 步骤 6 中记下的清单文件位置。

   4. 在测试数据集详细信息部分，选择导入 SageMaker 由 Ground Truth 标注的图像。

   5. 在 .manifest 文件位置中，输入您在 使用 Amazon G SageMaker round Truth 为图片贴标 步骤 6 中记下的清单文件位置。请记住，测试数据集需要单独的清单文件。

7. 选择提交。

8. 按照 训练您的模型 中的步骤，训练您的模型。