As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Localização de objetos em arquivos de manifesto Você pode importar imagens rotuladas com informações de localização de objetos adicionando linhas JSON no formato SageMaker AI Ground Truth [Bounding Box Job](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-data-output.html#sms-output-box) Output a um arquivo de manifesto. As informações de localização representam a localização de um objeto em uma imagem. A localização é representada por uma caixa delimitadora que circunda o objeto. A estrutura da caixa delimitadora contém as coordenadas no canto superior esquerdo da caixa delimitadora e a largura e altura da caixa delimitadora. Uma linha JSON em formato de caixa delimitadora inclui caixas delimitadoras para a localização de um ou mais objetos em uma imagem e a classe de cada objeto na imagem. Um arquivo de manifesto é feito de uma ou mais linhas JSON, cada linha contém as informações de uma única imagem. **Para criar um arquivo de manifesto para localização de objetos** 1. Crie um arquivo de texto vazio. 1. Adicione uma linha JSON para cada imagem que você deseja importar. Cada linha deve ser semelhante à linha a seguir. ``` {"source-ref": "s3://bucket/images/IMG_1186.png", "bounding-box": {"image_size": [{"width": 640, "height": 480, "depth": 3}], "annotations": [{ "class_id": 1, "top": 251, "left": 399, "width": 155, "height": 101}, {"class_id": 0, "top": 65, "left": 86, "width": 220, "height": 334}]}, "bounding-box-metadata": {"objects": [{ "confidence": 1}, {"confidence": 1}], "class-map": {"0": "Echo", "1": "Echo Dot"}, "type": "groundtruth/object-detection", "human-annotated": "yes", "creation-date": "2013-11-18T02:53:27", "job-name": "my job"}} ``` 1. Salve o arquivo. É possível usar a extensão `.manifest`, mas ela não é obrigatória. 1. Crie um conjunto de dados usando o arquivo que você criou. Para obter mais informações, consulte [Para criar um conjunto de dados usando um arquivo de manifesto no formato SageMaker AI Ground Truth (console)](md-create-manifest-file.md#create-dataset-procedure-manifest-file). ## Linhas JSON da caixa delimitadora de objetos Nesta seção, é mostrado como criar uma linha JSON para uma única imagem. A imagem a seguir mostra as caixas delimitadoras ao redor de dispositivos Amazon Echo e um Amazon Echo Dot. ![\[Dois alto-falantes inteligentes da Amazon, um com caixa delimitadora verde e um com caixa delimitadora azul, em uma superfície de madeira.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/echos.png) A seguir está a linha JSON da caixa delimitadora da imagem anterior. ``` { "source-ref": "s3://custom-labels-bucket/images/IMG_1186.png", "bounding-box": { "image_size": [{ "width": 640, "height": 480, "depth": 3 }], "annotations": [{ "class_id": 1, "top": 251, "left": 399, "width": 155, "height": 101 }, { "class_id": 0, "top": 65, "left": 86, "width": 220, "height": 334 }] }, "bounding-box-metadata": { "objects": [{ "confidence": 1 }, { "confidence": 1 }], "class-map": { "0": "Echo", "1": "Echo Dot" }, "type": "groundtruth/object-detection", "human-annotated": "yes", "creation-date": "2013-11-18T02:53:27", "job-name": "my job" } } ``` Observe as seguintes informações: ### 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. ### *bounding-box* (Obrigatório) O atributo do rótulo. Escolha o nome do campo. Contém o tamanho da imagem e as caixas delimitadoras de cada objeto detectado na imagem. Deve haver metadados correspondentes identificados pelo nome do campo com *-metadata* anexado. Por exemplo, .`"bounding-box-metadata"` *image\$1size* (Obrigatório) Uma matriz de elementos únicos contendo o tamanho da imagem em pixels. + *height*: (obrigatória) a altura da imagem em pixels. + *width*: (obrigatório) a profundidade da imagem em pixels. + *depth*: (obrigatório) o número de canais na imagem. Para imagens RGB, o valor é 3. Não é usado pelo Amazon Rekognition Custom Labels neste momento, mas um valor é obrigatório. *anotações* (Obrigatório) Uma matriz de informações da caixa delimitadora para cada objeto detectado na imagem. + *class\$1id* (obrigatório) mapeia para o rótulo no *class-map*. No exemplo anterior, o objeto com o *class\$1id* de `1` é o Echo Dot na imagem. + *top*: (obrigatório) a distância da parte superior da imagem à parte superior da caixa delimitadora, em pixels. + *left*: (obrigatório) a distância da esquerda da imagem à esquerda da caixa delimitadora, em pixels. + *width*: (obrigatório) a largura da caixa delimitadora em pixels. + *height*: (obrigatória) a altura da caixa delimitadora em pixels. ### *bounding-box*-metadados (Obrigatório) Metadados sobre o atributo do rótulo. O nome do campo deve ser o mesmo do atributo do rótulo com *-metadata* anexado. Uma matriz de informações da caixa delimitadora para cada objeto detectado na imagem. *Objetos* (Obrigatório) Uma matriz de objetos que estão na imagem. Mapeia para a matriz de *anotações* por índice. O atributo de confiança não é usado pelo Amazon Rekognition Custom Labels. *class-map* (Obrigatório) Um mapa das classes que se aplicam aos objetos detectados na imagem. *tipo* (Obrigatório) O tipo de trabalho de classificação. `"groundtruth/object-detection"` identifica o trabalho como detecção de objetos. *creation-date* (Obrigatório) A data e hora do Tempo Universal Coordenado (UTC) em que o rótulo foi criado. *human-annotated* (Obrigatório) Especifique `"yes"` se a anotação foi preenchida por um humano. Caso contrário, `"no"`. *job-name* (Opcional) O nome do trabalho que processa a imagem.