เปิดตัวที่ AWS re:Invent 2021 Amazon SageMaker Ground Truth Plus ช่วยให้คุณสร้างชุดข้อมูลการฝึกอบรมคุณภาพสูงโดยการลบการยกของหนักที่ไม่แตกต่างที่เกี่ยวข้องกับการสร้างแอปพลิเคชันการติดฉลากข้อมูลและการจัดการพนักงานการติดฉลาก สิ่งที่คุณทำคือแบ่งปันข้อมูลพร้อมกับข้อกำหนดในการติดฉลาก และ Ground Truth Plus จะตั้งค่าและจัดการเวิร์กโฟลว์การติดป้ายกำกับข้อมูลของคุณตามข้อกำหนดเหล่านี้ จากนั้น เจ้าหน้าที่ผู้เชี่ยวชาญที่ได้รับการฝึกอบรมเกี่ยวกับงานการเรียนรู้ของเครื่อง (ML) ต่างๆ จะทำหน้าที่ติดป้ายกำกับข้อมูล คุณไม่จำเป็นต้องมีความเชี่ยวชาญ ML อย่างลึกซึ้งหรือความรู้เกี่ยวกับการออกแบบขั้นตอนการทำงานและการจัดการคุณภาพเพื่อใช้ Ground Truth Plus
การสร้างชุดข้อมูลการฝึกอบรมคุณภาพสูงสำหรับอัลกอริทึม ML ของคุณนั้นเป็นกระบวนการที่ต้องทำซ้ำๆ ผู้ปฏิบัติงาน ML มักจะสร้างระบบที่กำหนดเองเพื่อตรวจสอบป้ายกำกับข้อมูล เนื่องจากข้อมูลที่ติดป้ายกำกับอย่างถูกต้องมีความสำคัญต่อคุณภาพของโมเดล ML เพื่อให้แน่ใจว่าคุณจะได้รับข้อมูลการฝึกอบรมคุณภาพสูง Ground Truth Plus จึงมีอินเทอร์เฟซผู้ใช้ในตัว (UI การตรวจสอบ) เพื่อตรวจสอบคุณภาพของป้ายกำกับข้อมูลและให้ข้อเสนอแนะเกี่ยวกับป้ายกำกับข้อมูลจนกว่าคุณจะพอใจว่าป้ายกำกับนั้นแสดงถึง ความจริงภาคพื้นดินหรือสิ่งที่สังเกตได้โดยตรงในโลกแห่งความเป็นจริง
โพสต์นี้จะอธิบายขั้นตอนต่างๆ ในการสร้างทีมโครงการและใช้คุณลักษณะในตัวใหม่หลายประการของเครื่องมือ Review UI เพื่อตรวจสอบชุดข้อมูลที่มีป้ายกำกับให้เสร็จสมบูรณ์อย่างมีประสิทธิภาพ การฝึกปฏิบัติจะถือว่าคุณมีโครงการการติดฉลาก Ground Truth Plus ที่ใช้งานอยู่ สำหรับข้อมูลเพิ่มเติม โปรดดู Amazon SageMaker Ground Truth Plus – สร้างชุดข้อมูลการฝึกอบรมโดยไม่ต้องใช้โค้ดหรือทรัพยากรภายในองค์กร.
จัดตั้งทีมงานโครงการ
ทีมงานโครงการให้สิทธิ์การเข้าถึงแก่สมาชิกจากองค์กรของคุณเพื่อตรวจสอบป้ายกำกับข้อมูลโดยใช้เครื่องมือตรวจสอบ UI หากต้องการตั้งค่าทีมงานโครงการ ให้ทำตามขั้นตอนต่อไปนี้:
- บนพื้นดินความจริงพลัส ปลอบใจเลือก สร้างทีมโครงการ.
- เลือก สร้างกลุ่มผู้ใช้ Amazon Cognito ใหม่ . หากคุณมีอยู่แล้ว Amazon Cognito Co กลุ่มผู้ใช้ ให้เลือก นำเข้าสมาชิก ตัวเลือก
- สำหรับ ชื่อกลุ่มผู้ใช้ Amazon Cognitoให้ป้อนชื่อ ชื่อนี้ไม่สามารถเปลี่ยนแปลงได้
- สำหรับ ที่อยู่อีเมลป้อนที่อยู่อีเมลของสมาชิกในทีมสูงสุด 50 คน คั่นด้วยเครื่องหมายจุลภาค
- Choose สร้างทีมโครงการ.
สมาชิกในทีมของคุณจะได้รับอีเมลเชิญให้เข้าร่วมทีมโครงการ Ground Truth Plus จากนั้น พวกเขาสามารถเข้าสู่พอร์ทัลโครงการ Ground Truth Plus เพื่อตรวจสอบป้ายกำกับข้อมูล
ตรวจสอบคุณภาพชุดข้อมูลที่ติดป้ายกำกับ
ตอนนี้เรามาดำดิ่งลงสู่ตัวอย่างการติดตามออบเจ็กต์วิดีโอโดยใช้ CBCL สตรีทซีน ชุดข้อมูล
หลังจากข้อมูลในชุดงานของคุณได้รับการติดป้ายกำกับแล้ว ชุดงานจะถูกทำเครื่องหมายเป็น พร้อมรีวิว.
เลือกชุดและเลือก ตรวจสอบชุด. คุณถูกเปลี่ยนเส้นทางไปยัง UI การตรวจสอบ คุณมีความยืดหยุ่นในการเลือกอัตราการสุ่มตัวอย่างที่แตกต่างกันสำหรับแต่ละชุดที่คุณตรวจสอบ ตัวอย่างเช่น ในชุดตัวอย่างของเรา เรามีวิดีโอทั้งหมดห้ารายการ คุณสามารถระบุได้ว่าต้องการตรวจสอบเพียงชุดย่อยของวิดีโอทั้ง XNUMX รายการหรือทั้งหมด
ตอนนี้เรามาดูฟังก์ชันต่างๆ ภายใน Review UI ที่จะช่วยคุณในการตรวจสอบคุณภาพของชุดข้อมูลที่ติดป้ายกำกับได้รวดเร็วยิ่งขึ้น และให้คำติชมเกี่ยวกับคุณภาพ:
- กรองป้ายกำกับตามหมวดหมู่ป้ายกำกับ – ภายใน UI การตรวจสอบ ในบานหน้าต่างด้านขวา คุณสามารถกรองป้ายกำกับตามหมวดหมู่ป้ายกำกับได้ คุณลักษณะนี้มีประโยชน์เมื่อมีป้ายกำกับหลายประเภท (เช่น
Vehicles
,Pedestrians
และPoles
) ในออบเจ็กต์ชุดข้อมูลที่หนาแน่น และคุณต้องการดูป้ายกำกับสำหรับหมวดหมู่ป้ายกำกับทีละหมวดหมู่ ตัวอย่างเช่น เรามาเน้นไปที่Car
หมวดหมู่ฉลาก ป้อนCar
หมวดหมู่ป้ายกำกับในบานหน้าต่างด้านขวาเพื่อกรองคำอธิบายประกอบทั้งหมดประเภทเดียวCar
. ภาพหน้าจอต่อไปนี้แสดงมุมมอง ตรวจสอบ UI ก่อนและหลังการใช้ตัวกรอง
- การซ้อนทับค่าแอตทริบิวต์ที่มีคำอธิบายประกอบที่เกี่ยวข้อง – แต่ละป้ายกำกับสามารถกำหนดคุณลักษณะที่จะใส่คำอธิบายประกอบได้ เช่น สำหรับหมวดหมู่ป้ายกำกับ
Car
สมมติว่าคุณต้องการขอให้พนักงานใส่คำอธิบายประกอบด้วยColor
และOcclusion
คุณลักษณะสำหรับแต่ละอินสแตนซ์ป้ายกำกับ เมื่อคุณโหลด UI การตรวจสอบ คุณจะเห็นแอตทริบิวต์ที่เกี่ยวข้องภายใต้อินสแตนซ์ป้ายกำกับแต่ละรายการในบานหน้าต่างด้านขวา แต่ถ้าคุณต้องการดูคำอธิบายประกอบแอตทริบิวต์เหล่านี้บนรูปภาพโดยตรงแทนล่ะ คุณเลือกป้ายกำกับCar:1
และเพื่อซ้อนทับคำอธิบายประกอบแอตทริบิวต์สำหรับCar:1
คุณกด Ctrl + A.
ตอนนี้คุณจะเห็นคำอธิบายประกอบDark Blue
สำหรับColor
คุณลักษณะและคำอธิบายประกอบNone
สำหรับOcclusion
คุณลักษณะที่แสดงโดยตรงบนรูปภาพถัดจากCar:1
กล่องขอบเขต ตอนนี้คุณสามารถตรวจสอบได้อย่างง่ายดายCar:1
ถูกทำเครื่องหมายเป็นDark Blue
โดยไม่มีการบดบังเพียงแค่ดูภาพแทนที่จะต้องค้นหาตำแหน่งCar:1
ในบานหน้าต่างด้านขวาเพื่อดูคำอธิบายประกอบของแอตทริบิวต์
- แสดงความคิดเห็นในระดับป้ายกำกับ – สำหรับแต่ละป้ายกำกับ คุณสามารถแสดงความคิดเห็นได้ที่ระดับป้ายกำกับในป้ายกำกับนั้น ป้ายกำกับข้อเสนอแนะ แอตทริบิวต์สตริงฟรี ตัวอย่างเช่น ในภาพนี้
Car:1
ดูเป็นสีดำมากกว่าสีน้ำเงินเข้ม คุณสามารถถ่ายทอดความคลาดเคลื่อนนี้เป็นความคิดเห็นได้Car:1
โดยใช้โปรแกรม ป้ายกำกับข้อเสนอแนะ เพื่อติดตามความคิดเห็นไปยังป้ายกำกับนั้นในเฟรมนั้น ทีมควบคุมคุณภาพภายในของเราจะตรวจสอบความคิดเห็นนี้และแนะนำการเปลี่ยนแปลงกระบวนการคำอธิบายประกอบและนโยบายป้ายกำกับ และฝึกอบรมคำอธิบายประกอบตามที่จำเป็น
- แสดงความคิดเห็นในระดับเฟรม – ในทำนองเดียวกัน สำหรับแต่ละเฟรม คุณสามารถแสดงความคิดเห็นไว้ที่ระดับเฟรมใต้เฟรมนั้นได้ ความคิดเห็นเกี่ยวกับเฟรม แอตทริบิวต์สตริงฟรี ในกรณีนี้ คำอธิบายประกอบสำหรับ
Car
และPedestrian
คลาสดูถูกต้องและนำไปใช้ได้ดีในเฟรมนี้ คุณสามารถถ่ายทอดผลตอบรับเชิงบวกนี้ได้โดยใช้ ให้ข้อเสนอแนะ และความคิดเห็นของคุณเชื่อมโยงกับเฟรมนี้
- คัดลอกความคิดเห็นเกี่ยวกับคำอธิบายประกอบไปยังเฟรมอื่น – คุณสามารถคัดลอกความคิดเห็นทั้งระดับป้ายกำกับและระดับเฟรมไปยังเฟรมอื่นได้หากคุณคลิกขวาที่แอตทริบิวต์นั้น คุณลักษณะนี้มีประโยชน์เมื่อคุณต้องการทำซ้ำความคิดเห็นเดียวกันในเฟรมสำหรับป้ายกำกับนั้น หรือใช้ความคิดเห็นระดับเฟรมเดียวกันกับหลายเฟรม คุณสมบัตินี้ช่วยให้คุณตรวจสอบป้ายกำกับข้อมูลได้อย่างรวดเร็ว
- อนุมัติหรือปฏิเสธออบเจ็กต์ชุดข้อมูลแต่ละรายการ – สำหรับแต่ละออบเจ็กต์ชุดข้อมูลที่คุณตรวจสอบ คุณจะมีตัวเลือกให้เลือก อนุมัติ หากคุณพอใจกับคำอธิบายประกอบหรือเลือกแล้ว ปฏิเสธ หากคุณไม่พอใจและต้องการให้คำอธิบายประกอบเหล่านั้นได้รับการแก้ไขใหม่ เมื่อคุณเลือก ส่งคุณจะพบตัวเลือกในการอนุมัติหรือปฏิเสธวิดีโอที่คุณเพิ่งตรวจสอบ ไม่ว่าในกรณีใด คุณสามารถให้ความเห็นเพิ่มเติมได้:
- หากคุณเลือกที่ อนุมัติความเห็นเป็นทางเลือก
- หากคุณเลือกที่ ปฏิเสธจำเป็นต้องมีความเห็น และเราแนะนำให้แสดงความคิดเห็นโดยละเอียด ความคิดเห็นของคุณจะได้รับการตรวจสอบโดยทีมควบคุมคุณภาพ Ground Truth Plus โดยเฉพาะ ซึ่งจะดำเนินการแก้ไขเพื่อหลีกเลี่ยงข้อผิดพลาดที่คล้ายกันในวิดีโอต่อๆ ไป
- หากคุณเลือกที่ อนุมัติความเห็นเป็นทางเลือก
หลังจากที่คุณส่งวิดีโอพร้อมคำติชมของคุณ คุณจะถูกนำกลับไปที่หน้ารายละเอียดโปรเจ็กต์ในพอร์ทัลโปรเจ็กต์ ซึ่งคุณสามารถดูจำนวนออบเจ็กต์ที่ถูกปฏิเสธภายใต้ วัตถุที่ถูกปฏิเสธ และอัตราความผิดพลาดซึ่งคำนวณเป็นจำนวนออบเจ็กต์ที่ยอมรับจากออบเจ็กต์ที่ได้รับการตรวจสอบภายใต้ อัตราการยอมรับ คอลัมน์สำหรับแต่ละชุดในโครงการของคุณ ตัวอย่างเช่น สำหรับชุดที่ 1 ในภาพหน้าจอต่อไปนี้ อัตราการยอมรับคือ 80% เนื่องจากวัตถุสี่รายการได้รับการยอมรับจากวัตถุที่ได้รับการตรวจทานห้ารายการ
สรุป
ชุดข้อมูลการฝึกอบรมคุณภาพสูงมีความสำคัญต่อการบรรลุโครงการริเริ่ม ML ของคุณ ด้วย Ground Truth Plus ตอนนี้คุณมีเครื่องมือ Review UI ในตัวที่ได้รับการปรับปรุง ซึ่งจะลบการยกของหนักที่ไม่แตกต่างที่เกี่ยวข้องกับการสร้างเครื่องมือแบบกำหนดเองเพื่อตรวจสอบคุณภาพของชุดข้อมูลที่มีป้ายกำกับ โพสต์นี้จะอธิบายวิธีการตั้งค่าทีมงานโครงการและใช้คุณลักษณะในตัวใหม่ของเครื่องมือรีวิว UI เยี่ยมชม คอนโซล Ground Truth Plus ที่จะเริ่มต้น
เช่นเคย AWS ยินดีรับข้อเสนอแนะ กรุณาส่งความคิดเห็นหรือคำถามใด ๆ
เกี่ยวกับผู้เขียน
มานิช โกล์ เป็นผู้จัดการผลิตภัณฑ์ของ Amazon SageMaker Ground Truth Plus เขามุ่งเน้นที่การสร้างผลิตภัณฑ์ที่ช่วยให้ลูกค้านำแมชชีนเลิร์นนิงมาใช้ได้ง่ายขึ้น ในเวลาว่าง เขาชอบเดินทางท่องเที่ยวและอ่านหนังสือ
เรเวกก้า คอสโตเอวา เป็นวิศวกรนักพัฒนาซอฟต์แวร์ที่ Amazon AWS ซึ่งเธอทำงานเกี่ยวกับการพบปะกับลูกค้าและโซลูชันภายในเพื่อขยายขอบเขตและความสามารถในการปรับขนาดของบริการ Sagemaker Ground Truth ในฐานะนักวิจัย เธอได้รับแรงผลักดันให้ปรับปรุงเครื่องมือทางการค้าเพื่อขับเคลื่อนนวัตกรรมไปข้างหน้า
- คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
- คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/inspect-your-data-labels-with-a-visual-no-code-tool-to-create-high-quality-training-datasets- ด้วย-amazon-sagemaker-ground-truth-plus/
- "
- 100
- 2021
- a
- เข้า
- ข้าม
- การปฏิบัติ
- คล่องแคล่ว
- เพิ่มเติม
- ที่อยู่
- ขั้นตอนวิธี
- ทั้งหมด
- ช่วยให้
- แล้ว
- เสมอ
- อเมซอน
- การใช้งาน
- ใช้
- การประยุกต์ใช้
- อนุมัติ
- ที่ได้รับมอบหมาย
- ที่เกี่ยวข้อง
- แอตทริบิวต์
- AWS
- เพราะ
- ก่อน
- Black
- กล้า
- ร้านหนังสือเกาหลี
- กล่อง
- สร้าง
- การก่อสร้าง
- built-in
- คำนวณ
- กรณี
- หมวดหมู่
- Choose
- ชั้นเรียน
- รหัส
- ความคิดเห็น
- สมบูรณ์
- ปลอบใจ
- ควบคุม
- ตรงกัน
- สร้าง
- วิกฤติ
- ประเพณี
- ลูกค้า
- ลูกค้า
- มืด
- ข้อมูล
- ทุ่มเท
- ลึก
- ออกแบบ
- รายละเอียด
- รายละเอียด
- ผู้พัฒนา
- ต่าง
- โดยตรง
- ขับรถ
- ขับเคลื่อน
- แต่ละ
- อย่างง่ายดาย
- อย่างมีประสิทธิภาพ
- อีเมล
- วิศวกร
- เข้าสู่
- ตัวอย่าง
- แสดง
- ชำนาญ
- ความชำนาญ
- หันหน้าไปทาง
- เร็วขึ้น
- ลักษณะ
- คุณสมบัติ
- ข้อเสนอแนะ
- ความยืดหยุ่น
- โฟกัส
- มุ่งเน้น
- ดังต่อไปนี้
- ข้างหน้า
- FRAME
- ฟรี
- ราคาเริ่มต้นที่
- บัญชีกลุ่ม
- มี
- ช่วย
- จะช่วยให้
- ที่มีคุณภาพสูง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTTPS
- ภาพ
- การดำเนินการ
- ปรับปรุง
- ข้อมูล
- ความคิดริเริ่ม
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- ตัวอย่าง
- อินเตอร์เฟซ
- IT
- ร่วม
- ความรู้
- ฉลาก
- การติดฉลาก
- ป้ายกำกับ
- การเรียนรู้
- ทิ้ง
- ชั้น
- facelift
- โหลด
- ดู
- ที่ต้องการหา
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- การจัดการ
- ผู้จัดการ
- การจัดการ
- สมาชิก
- ความผิดพลาด
- เอ็มไอที
- ML
- แบบ
- ข้อมูลเพิ่มเติม
- หลาย
- ถัดไป
- จำนวน
- ตัวเลือกเสริม (Option)
- organizacja
- อื่นๆ
- กรุณา
- นโยบาย
- พอร์ทัล
- บวก
- กระบวนการ
- ผลิตภัณฑ์
- ผลิตภัณฑ์
- โครงการ
- ให้
- ให้
- การให้
- คุณภาพ
- อย่างรวดเร็ว
- RE
- การอ่าน
- โลกแห่งความจริง
- รับ
- ลบ
- แสดง
- จำเป็นต้องใช้
- ความต้องการ
- ทบทวน
- คลิกขวาที่
- ถนน
- เดียวกัน
- scalability
- บริการ
- ชุด
- หลาย
- Share
- โชว์
- คล้ายคลึงกัน
- เหมือนกับ
- ซอฟต์แวร์
- โซลูชัน
- ข้อความที่เริ่ม
- ระบบ
- งาน
- ทีม
- พื้นที่
- ตลอด
- เวลา
- เครื่องมือ
- เครื่องมือ
- ลู่
- การติดตาม
- การค้า
- รถไฟ
- การฝึกอบรม
- ui
- ภายใต้
- ใช้
- ความหลากหลาย
- ตรวจสอบ
- วีดีโอ
- วิดีโอ
- รายละเอียด
- อะไร
- ความหมายของ
- WHO
- ภายใน
- ไม่มี
- แรงงาน
- กำลังแรงงาน
- โรงงาน
- โลก
- ของคุณ