定義影像分割的JSON線條

您可以為想要在 Amazon Lookout for Vision 資訊清單檔案中使用的每個映像定義一JSON行。如果您要建立分段模型，該JSON行必須包含影像的分割和分類資訊。資訊清單檔案由一行或多JSON行組成，每個您要匯入的映像都有一行。

若要建立分段影像的資訊清單檔案

建立空白文字檔案。

為您要匯JSON入的每個影像新增一行。每一JSON行看起來應類似於以下內容：


{"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"}}

儲存檔案。

注意
您可以使用副檔名 .manifest，但這不是必要的。
使用您建立的清單檔案建立資料集。如需詳細資訊，請參閱建立清單檔案。

分段JSON線

在本節中，您將學習如何建立包含影像區段和分類資訊的JSON線條。

以下JSON行顯示包含分割和分類資訊的影像。 anomaly-label-metadata包含分類資訊。 anomaly-mask-ref並anomaly-mask-ref-metadata包含區段資訊。



{
    "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"
    }
}

JSON行鍵和值

下列資訊說明 Amazon 觀察視覺JSON系列中的金鑰和值。

source-ref

(必要) 影像的 Amazon S3 位置。格式是 "s3://BUCKET/OBJECT_PATH"。匯入資料集中的影像必須存放在同一個 Amazon S3 儲存貯體中。

異常標籤

(必要) 屬性標籤。使用金鑰anomaly-label或您選擇的其他金鑰名稱。關鍵值（1在前面的例子中）是由 Amazon Lookout for Vision 所需的，但不使用它。Amazon Lookout for Vision 創建的輸出清單將值轉換1為異常圖像和一般圖像0的值。的值class-name決定影像是正常還是異常。

必須有由欄位名稱識別的對應中繼資料，並附加了 -metadata。例如："anomaly-label-metadata"。

anomaly-label-metadata

(必要) 有關標籤屬性的中繼資料。包含分類資訊。欄位名稱必須與附加了 -metadata 的標籤屬性相同。

信賴度: （可選）Amazon 觀察目前未使用視覺。如果您確實指定了值，請使用的值1。
job-name: (選用) 您為處理影像的任務選擇的名稱。
class-name: (必要) 如果影像包含一般內容，請指定normal，否則請指定anomaly。如果的值class-name是任何其他值，則會將影像新增至資料集，做為未標籤的影像。若要標示影像，請參閱將影像新增至資料集。
human-annotated: (必要) 如果註釋由人類完成，則指定 "yes"。否則請指定 "no"。
creation-date: (選擇性) 標籤建立的國際標準時間 (UTC) 日期和時間。
type: (必要) 應套用至影像的處理類型。使用值"groundtruth/image-classification"。

anomaly-mask-ref

(必要) 遮罩影像的 Amazon S3 位置。用anomaly-mask-ref於金鑰名稱或使用您選擇的金鑰名稱。金鑰必須以結尾-ref。遮色片影像必須包含每種異常類型internal-color-map的彩色遮色片。格式是 "s3://BUCKET/OBJECT_PATH"。匯入資料集中的影像必須存放在同一個 Amazon S3 儲存貯體中。遮罩影像必須是可攜式網路圖形 (PNG) 格式的影像。

anomaly-mask-ref-metadata

(必要) 分割影像的中繼資料。用anomaly-mask-ref-metadata於金鑰名稱或使用您選擇的金鑰名稱。金鑰名稱必須以結尾-ref-metadata。

internal-color-map

(必要) 對應至個別異常類型的顏色對應。顏色必須與遮色片影像中的顏色相符 (anomaly-mask-ref)。

金鑰

（必填）鍵進入地圖。項目0必須包含代表影像異常BACKGROUND以外區域的類別名稱。

class-name: (必要) 異常類型的名稱，例如刮痕或凹痕。
十六進制顏色: (必要) 異常類型的十六進位顏色，例如#2ca02c。顏色必須與中的顏色相符anomaly-mask-ref。BACKGROUND異常類型的值永遠#ffffff為。
信賴度: (必要) Amazon Lookout for Vision 目前尚未使用，但需要浮點值。

human-annotated

(必要) 如果註釋由人類完成，則指定 "yes"。否則請指定 "no"。

creation-date

(選擇性) 協調世界時間 (UTC) 建立區段資訊的日期和時間。

type

(必要) 應套用至影像的處理類型。使用值"groundtruth/semantic-segmentation"。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

定義影像分類的JSON線條

從檔案建立分類資訊清單檔CSV案