기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 매니페스트 파일의 이미지 수준 레이블 가져오기
이미지 수준 레이블(현지화 정보가 필요하지 않은 장면, 개념 또는 객체로 레이블이 지정된 이미지)을 가져오려면 매니페스트 파일에 SageMaker AI Ground Truth [분류 작업 출력](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-data-output.html#sms-output-class) 형식 JSON 라인을 추가합니다. 매니페스트 파일은 가져오려는 이미지당 하나씩, 하나 이상의 JSON 라인으로 구성됩니다.
**작은 정보**
매니페스트 파일 생성을 단순화하기 위해 CSV 파일에서 매니페스트 파일을 만드는 Python 스크립트가 제공됩니다. 자세한 내용은 [CSV 파일로 매니페스트 파일 생성](ex-csv-manifest.md) 단원을 참조하십시오.
**이미지 수준 레이블을 위한 매니페스트 파일 생성**
1. 빈 텍스트 파일을 생성합니다.
1. 가져올 각 이미지에 JSON 라인을 추가합니다. 각 JSON 라인은 다음과 비슷한 모습이어야 합니다.
```
{"source-ref":"s3://custom-labels-console-us-east-1-nnnnnnnnnn/gt-job/manifest/IMG_1133.png","TestCLConsoleBucket":0,"TestCLConsoleBucket-metadata":{"confidence":0.95,"job-name":"labeling-job/testclconsolebucket","class-name":"Echo Dot","human-annotated":"yes","creation-date":"2020-04-15T20:17:23.433061","type":"groundtruth/image-classification"}}
```
1. 파일을 저장합니다. `.manifest` 확장을 사용할 수 있지만 필수는 아닙니다.
1. 생성한 매니페스트 파일을 사용하여 데이터 세트를 생성하세요. 자세한 내용은 [SageMaker AI Ground Truth 형식 매니페스트 파일을 사용하여 데이터 세트를 생성하려면(콘솔)](md-create-manifest-file.md#create-dataset-procedure-manifest-file) 단원을 참조하십시오.
## 이미지 레벨 JSON 라인
이 항목은 하나의 이미지에 JSON 라인을 생성하는 방법을 보여줍니다. 다음 이미지를 고려하세요. 다음 이미지의 장면은 Sunrise**라고 부르겠습니다.
![\[산으로 둘러싸인 선착장과 작은 배가 있는 호수 위의 석양입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/sunrise.png)
Sunrise** 장면이 포함된 이전 이미지의 JSON 라인은 다음과 같을 수 있습니다.
```
{
"source-ref": "s3://bucket/images/sunrise.png",
"testdataset-classification_Sunrise": 1,
"testdataset-classification_Sunrise-metadata": {
"confidence": 1,
"job-name": "labeling-job/testdataset-classification_Sunrise",
"class-name": "Sunrise",
"human-annotated": "yes",
"creation-date": "2020-03-06T17:46:39.176",
"type": "groundtruth/image-classification"
}
}
```
다음 정보를 참고하세요.
### source-ref
(필수) 이미지의 Amazon S3 위치입니다. 형식은 `"s3://BUCKET/OBJECT_PATH"`입니다. 가져온 데이터 세트의 이미지는 동일한 Amazon S3 버킷에 저장되어야 합니다.
### *testdataset-classification\$1Sunrise*
(필수) 레이블 속성 필드 이름을 선택합니다. 필드 값(위 예제의 1)은 레이블 속성 식별자입니다. Amazon Rekognition Custom Labels에서는 사용되지 않으며 임의의 정수 값일 수 있습니다. -metadata**가 추가된 필드 이름으로 식별되는 상응하는 메타데이터가 있어야 합니다. 예를 들어 `"testdataset-classification_Sunrise-metadata"`입니다.
### *testdataset-classification\$1Sunrise*-metadata
(필수) 레이블 속성에 대한 메타데이터 필드 이름은 *-metadata*가 추가된 레이블 속성과 동일해야 합니다.
confidence**
(필수) Amazon Rekognition Custom Labels에서는 현재 사용되지 않지만 0에서 1 사이의 값을 제공해야 합니다.
job-name**
(선택 사항) 이미지를 처리하는 작업에 원하는 이름을 붙이세요.
class-name**
(필수) 이미지에 적용되는 장면이나 개념에 원하는 클래스 이름을 붙이세요. 예를 들어 `"Sunrise"`입니다.
human-annotated**
(필수) 사람이 주석을 완성했으면 `"yes"`를 지정하세요. 그렇지 않을 경우 `"no"`입니다.
creation-date**
(필수) 레이블이 생성된 협정 세계시(UTC) 날짜와 시간
type**
(필수) 이미지에 적용해야 하는 처리 유형 이미지 수준 레이블의 경우 값은 `"groundtruth/image-classification"`입니다.
### 이미지에 여러 이미지 수준 레이블 추가
이미지에 레이블을 여러 개 추가할 수 있습니다. 예를 들어 다음 JSON은 하나의 이미지에 축구**와 공**이라는 두 개의 레이블을 추가합니다.
```
{
"source-ref": "S3 bucket location",
"sport0":0, # FIRST label
"sport0-metadata": {
"class-name": "football",
"confidence": 0.8,
"type":"groundtruth/image-classification",
"job-name": "identify-sport",
"human-annotated": "yes",
"creation-date": "2018-10-18T22:18:13.527256"
},
"sport1":1, # SECOND label
"sport1-metadata": {
"class-name": "ball",
"confidence": 0.8,
"type":"groundtruth/image-classification",
"job-name": "identify-sport",
"human-annotated": "yes",
"creation-date": "2018-10-18T22:18:13.527256"
}
} # end of annotations for 1 image
```