本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 视频和视频帧标注 您可以使用 Ground Truth 对视频进行分类，并使用三种内置视频任务类型之一对视频帧（从视频中提取的静止图像）进行注释。这些任务类型简化了使用 Amazon A SageMaker I 控制台、API 和特定语言 SDKs创建视频和视频帧标签任务的过程。 + 视频剪辑分类 - 使工作人员能够将视频分为您指定的类别。例如，您可以使用此任务类型让工作人员将视频分类为体育、喜剧、音乐和教育等主题。要了解更多信息，请参阅[对视频进行分类](sms-video-classification.md)。 + 视频帧标注作业 – 使工作人员能够使用边界框、折线、多边形或关键点注释工具对从视频中提取的视频帧进行注释。Ground Truth 提供两种内置任务类型来标注视频帧： + *视频帧对象检测*：使工作人员能够识别和定位视频帧中的对象。 + *视频帧对象跟踪*：使工作人员能够跟踪对象在视频帧之间的移动。 + *视频帧调整作业*：让工作人员调整之前的视频帧对象检测或对象跟踪标注作业中的标签、标签类别属性和帧属性。 + *视频帧验证作业*：让工作人员验证之前的视频帧对象检测或对象跟踪标注作业中的标签、标签类别属性和帧属性。 如果您有视频文件，则可以使用 Ground Truth 自动帧提取工具从视频中提取视频帧。要了解更多信息，请参阅[视频帧输入数据](sms-video-frame-input-data-overview.md)。 **提示** 要进一步了解支持的文件类型和输入数据限额，请参阅[输入数据](sms-data-input.md)。 **Topics** + [对视频进行分类](sms-video-classification.md) + [视频帧](sms-video-task-types.md) + [工作人员说明](sms-video-worker-instructions.md) # 对视频进行分类 如果您需要工作人员使用您指定的预定义标签对视频进行分类，请使用 Amazon G SageMaker round Truth 视频分类标注任务。将向工作人员显示视频，并要求工作人员为每个视频选择一个标签。您可以使用 Amazon A SageMaker I 控制台的 Ground Truth 部分或[CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)操作创建视频分类标签任务。 您的视频文件必须以标注数据的工作团队所使用的浏览器支持的格式编码。建议您使用工作人员 UI 预览来验证输入清单文件中的所有视频文件格式是否正确显示。您可以使用工作人员说明将受支持的浏览器传达给工作人员。要查看支持的文件格式，请参阅[支持的数据格式](sms-supported-data-formats.md)。 **重要** 对于此任务类型，如果您创建自己的清单文件，请使用 `"source-ref"` 识别 Amazon S3 中您要标注的每个视频文件的位置。有关更多信息，请参阅 [输入数据](sms-data-input.md)。 ## 创建视频分类标注作业（控制台） 您可以按照中的说明学习[创建标注作业（控制台）](sms-create-labeling-job-console.md)如何在 SageMaker AI 控制台中创建视频分类标注作业。在步骤 10 中，从**任务类别**下拉列表中选择**视频**，然后选择**视频分类**作为任务类型。 Ground Truth 为标注任务提供类似于以下内容的工作人员 UI。在控制台中创建标注作业时，需要指定说明，以便于工作人员完成工作人员可以从中选择的作业和标签。 ![\[Gif 显示了如何在 A SageMaker I 控制台中创建视频分类标注作业。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/vid_classification.gif) ## 创建视频分类标注作业 (API) 本节介绍了使用 SageMaker API 操作 `CreateLabelingJob` 创建标记作业时需要了解的详细信息。此 API 为所有人定义了此操作 AWS SDKs。要查看此操作 SDKs 支持的特定语言列表，请查看的 “**另请参阅**” 部分。[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 请按照[创建标注作业 (API)](sms-create-labeling-job-api.md)中的说明进行操作，并在配置请求时执行以下操作： + 使用以 `PRE-VideoClassification` 结尾的注释前 Lambda 函数。要查找您所在地区的预注释 Lambda ARN，请参阅。[PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) + 使用以 `ACS-VideoClassification` 结尾的注释合并 Lambda 函数。要查找您所在地区的注释合并 Lambda ARN，请参阅。[AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) 以下是一个 [AWS Python SDK (Boto3) 请求](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)示例，该请求在美国东部（弗吉尼亚州北部）区域中创建标注作业。 ``` response = client.create_labeling_job( LabelingJobName='example-video-classification-labeling-job, LabelAttributeName='label', InputConfig={ 'DataSource': { 'S3DataSource': { 'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json' } }, 'DataAttributes': { 'ContentClassifiers': [ 'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent', ] } }, OutputConfig={ 'S3OutputPath': 's3://bucket/path/file-to-store-output-data', 'KmsKeyId': 'string' }, RoleArn='arn:aws:iam::*:role/*, LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json', StoppingConditions={ 'MaxHumanLabeledObjectCount': 123, 'MaxPercentageOfInputDatasetLabeled': 123 }, HumanTaskConfig={ 'WorkteamArn': 'arn:aws:sagemaker:region:*:workteam/private-crowd/*', 'UiConfig': { 'UiTemplateS3Uri': 's3://bucket/path/worker-task-template.html' }, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoClassification', 'TaskKeywords': [ 'Video Classification', ], 'TaskTitle': 'Video classification task', 'TaskDescription': 'Select a label to classify this video', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoClassification' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ### 为视频分类提供模板 如果要使用 API 创建标注作业，必须在 `UiTemplateS3Uri` 中提供工作人员任务模板。通过修改 `short-instructions`、`full-instructions` 和 `header` 来复制和修改以下模板。将此模板上传到 Amazon S3，并在 `UiTemplateS3Uri` 中为此文件提供 Amazon S3 URI。 ```
  1. Read the task carefully and inspect the video.
  2. Read the options and review the examples provided to understand more about the labels.
  3. Choose the appropriate label that best suits the video.

Good example

Enter description to explain the correct label to the workers

Bad example

Enter description of an incorrect label

 ``` ## 视频分类输出数据 创建视频分类标注作业后，输出数据将位于使用 API 时在 `S3OutputPath` 参数中指定的 Amazon S3 存储桶中，或者位于控制台的**作业概览**部分的**输出数据集位置**字段中。 要了解有关 Ground Truth 生成的输出清单文件以及 Ground Truth 用来存储输出数据的文件结构的更多信息，请参阅[标注作业输出数据](sms-data-output.md)。 要查看视频分类标注作业的输出清单文件示例，请参阅[分类作业输出](sms-data-output.md#sms-output-class)。 # 视频帧 您可以使用 Ground Truth 内置视频帧任务类型，让工作人员使用边界框、折线、多边形或关键点对视频帧进行注释。一个*视频帧*是从视频中提取的一系列图像。 如果您没有视频帧，则可以提供视频文件（MP4 文件），并使用 Ground Truth 自动帧提取工具提取视频帧。要了解更多信息，请参阅[提供视频文件](sms-point-cloud-video-input-data.md#sms-point-cloud-video-frame-extraction)。 您可以使用以下内置视频任务类型，通过 Amazon AI 控制台、API 和 SageMaker 特定语言 SDKs创建视频帧标签任务。 + **视频帧对象检测** – 当您希望工作人员识别和定位视频帧序列中的对象时，使用此任务类型。您可以提供类别列表，工作人员可以一次选择一个类别，并在所有帧中注释该类别适用的对象。例如，您可以使用此任务要求工作人员识别和定位场景中的各种对象，例如汽车、自行车和行人。 + **视频帧对象跟踪** – 当您希望工作人员在视频帧序列中跟踪对象实例的移动时，使用此任务类型。当工作人员向单个帧添加注释时，该注释将与唯一的实例 ID 相关联。工作人员在所有其他帧中添加与相同 ID 关联的注释，以标识同一对象或人员。例如，工作人员可以在视频帧序列中跟踪车辆的移动，方法是在车辆出现的每个帧周围绘制与相同 ID 关联的边界框。 请使用以下主题了解有关这些内置任务类型的更多信息，以及如何使用每种任务类型创建标注作业。请参阅[任务类型](sms-video-overview.md#sms-video-frame-tools)，了解有关这些任务类型可用的注释工具（边界框、折线、多边形和关键点）的更多信息。 在创建标注作业之前，我们建议您查看[视频帧标注作业参考](sms-video-overview.md)。 **Topics** + [使用视频帧对象检测识别对象](sms-video-object-detection.md) + [使用视频帧对象跟踪功能跟踪视频帧中的对象](sms-video-object-tracking.md) + [视频帧标注作业参考](sms-video-overview.md) # 使用视频帧对象检测识别对象 您可以使用视频帧对象检测任务类型，让工作人员使用边界框、折线、多边形或关键点这样的*注释工具*识别和定位视频帧序列（从视频中提取的图像）中的对象。您选择的工具定义了您创建的视频帧任务类型。例如，您可以使用边界框视频帧对象检测任务类型，让工作人员识别和定位一系列视频帧中的各种对象，例如汽车、自行车和行人。您可以使用 Amazon A SageMaker I Ground Truth 控制台、 SageMaker API 和特定语言 AWS SDKs创建视频帧对象检测标签作业。要了解更多信息，请参阅[创建视频帧对象检测标注作业](#sms-video-od-create-labeling-job)并选择您的首选方法。请参阅[任务类型](sms-video-overview.md#sms-video-frame-tools)，了解更多关于创建标注作业时可以选择的注释工具的信息。 Ground Truth 提供了工作人员 UI 和工具来完成标注作业任务：[预览工作人员 UI](#sms-video-od-worker-ui)。 您可以创建一个作业，以使用视频对象检测调整任务类型调整在视频对象检测标注作业中创建的注释。要了解更多信息，请参阅[创建视频帧对象检测调整或验证标注作业](#sms-video-od-adjustment)。 ## 预览工作人员 UI Ground Truth 为工作人员提供了一个 Web 用户界面 (UI)，用于完成视频帧对象检测注释任务。在控制台中创建标注作业时，您可以预览该工作人员 UI 并与之交互。如果您是新用户，我们建议您使用小型输入数据集通过控制台创建标注作业，以预览工作人员 UI，并确保视频帧、标签和标签属性如预期显示。 UI 为工作人员提供了以下辅助标注工具来完成对象检测任务： + 对于所有任务，工作人员都可以使用**复制到下一帧**和**复制到所有帧**功能，分别将注释复制到下一帧或所有后续帧。 + 对于包含边界框工具的任务，工作人员可以使用**预测下一个**功能在单帧中绘制边界框，然后让 Ground Truth 预测所有其他帧中具有相同标签的边界框的位置。然后，工作人员可以进行调整以更正预测的边界框位置。 下面的视频展示了工作人员如何使用工作人员用户界面和边界框工具来完成对象检测任务。 ![\[Gif 显示了工作人员如何使用边界框工具完成对象检测任务。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif) ## 创建视频帧对象检测标注作业 您可以使用 SageMaker AI 控制台或 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)API 操作创建视频帧对象检测标签作业。 本部分假设您已经查看[视频帧标注作业参考](sms-video-overview.md)并选择了要使用的输入数据类型和输入数据集连接。 ### 创建标注作业（控制台） 您可以按照中的说明[创建标注作业（控制台）](sms-create-labeling-job-console.md)来学习如何在 SageMaker AI 控制台中创建视频帧对象跟踪作业。在第 10 步中，从**任务类别**下拉列表中选择**视频 - 对象检测**。在**任务选择**中选择一张卡片，即可选择所需的任务类型。 ![\[Gif 显示了如何在 A SageMaker I 控制台中创建视频帧对象跟踪作业。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/task-type-vod.gif) ### 创建标注作业 (API) 您可以使用 SageMaker API 操作创建对象检测标签作业`CreateLabelingJob`。此 API 为所有人定义了此操作 AWS SDKs。要查看此操作 SDKs 支持的特定语言列表，请查看的 “**另请参阅**” 部分。[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) [创建标注作业 (API)](sms-create-labeling-job-api.md)概述了 `CreateLabelingJob` 操作。请按照这些说明进行操作，并在配置请求时执行以下操作： + 您必须为 `HumanTaskUiArn` 输入一个 ARN。使用 `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectDetection`。将 `` 替换为您在其中创建标注作业的 AWS 区域。 不要包含 `UiTemplateS3Uri` 参数的条目。 + [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) 必须以 `-ref` 结尾。例如 `video-od-labels-ref`。 + 输入清单文件必须是视频帧序列清单文件。您可以使用 SageMaker AI 控制台创建此清单文件，也可以手动创建该文件并将其上传到 Amazon S3。有关更多信息，请参阅 [输入数据设置](sms-video-data-setup.md)。 + 您只能使用私有或供应商工作团队来创建视频帧对象检测标注作业。 + 您可以在标签类别配置文件中指定标签、标签类别和帧属性、任务类型和工作人员说明。使用 `annotationType` 在标签类别配置文件中指定任务类型（边界框、折线、多边形或关键点）。有关更多信息，请参阅[带有标签类别和框架属性参考的标注类别配置文件](sms-label-cat-config-attributes.md)以了解如何创建此文件。 + 您需要为预注解和后标注 ( ARNs ACS) Lambda 函数提供预定义的。 ARNs 它们特定于您用于创建标签任务的 AWS 区域。 + 要查找注释前 Lambda ARN，请参考 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)。请使用您在其中创建标注作业的区域来查找以 `PRE-VideoObjectDetection` 结尾的正确 ARN。 + 要查找注释后 Lambda ARN，请参考 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)。请使用您在其中创建标注作业的区域来查找以 `ACS-VideoObjectDetection` 结尾的正确 ARN。 + `NumberOfHumanWorkersPerDataObject` 中指定的工作人员数必须为 `1`。 + 视频帧标注作业不支持自动数据标注。不要在 `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)` 中指定参数值。 + 视频帧对象跟踪标注作业可能需要数小时才能完成。您可以在 `TaskTimeLimitInSeconds` 中为这些标注作业指定更长的时间限制（最多 7 天或 604800 秒）。 以下是一个 [AWS Python SDK (Boto3) 请求](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)示例，该请求在美国东部（弗吉尼亚州北部）区域中创建标注作业。 ``` response = client.create_labeling_job( LabelingJobName='example-video-od-labeling-job, LabelAttributeName='label', InputConfig={ 'DataSource': { 'S3DataSource': { 'ManifestS3Uri': 's3://amzn-s3-demo-bucket/path/video-frame-sequence-input-manifest.json' } }, 'DataAttributes': { 'ContentClassifiers': [ 'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent', ] } }, OutputConfig={ 'S3OutputPath': 's3://amzn-s3-demo-bucket/prefix/file-to-store-output-data', 'KmsKeyId': 'string' }, RoleArn='arn:aws:iam::*:role/*, LabelCategoryConfigS3Uri='s3://bucket/prefix/label-categories.json', StoppingConditions={ 'MaxHumanLabeledObjectCount': 123, 'MaxPercentageOfInputDatasetLabeled': 123 }, HumanTaskConfig={ 'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*', 'UiConfig': { 'HumanTaskUiArn: 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/VideoObjectDetection' }, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoObjectDetection', 'TaskKeywords': [ 'Video Frame Object Detection', ], 'TaskTitle': 'Video frame object detection task', 'TaskDescription': 'Classify and identify the location of objects and people in video frames', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoObjectDetection' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ## 创建视频帧对象检测调整或验证标注作业 您可以使用 Ground Truth 控制台或 `CreateLabelingJob` API 创建调整和验证标注作业。要了解有关调整和验证标注作业的更多信息，以及如何创建标注作业，请参阅[标签验证和调整](sms-verification-data.md)。 ## 输出数据格式 当创建视频帧对象检测标注作业时，会将任务发送给工作人员。在这些工作人员完成其任务时，标签会写入到您创建标注作业时指定的 Amazon S3 输出位置。要了解视频帧对象检测输出数据格式，请参阅[视频帧对象检测输出](sms-data-output.md#sms-output-video-object-detection)。如果您是 Ground Truth 的新用户，请参阅[标注作业输出数据](sms-data-output.md)以了解有关 Ground Truth 输出数据格式的更多信息。 # 使用视频帧对象跟踪功能跟踪视频帧中的对象 您可以使用视频帧对象跟踪任务类型，让工作人员使用边界框、折线、多边形或关键点这样的*注释工具*跟踪视频帧序列（从视频中提取的图像）中对象的移动。您选择的工具定义了您创建的视频帧任务类型。例如，您可以使用边界框视频帧对象跟踪任务类型，要求工作人员通过在汽车、自行车和行人等对象周围画框来跟踪这些对象的移动。 您可以提供一个类别列表，而工作人员添加到视频帧的每个注释都会使用实例 ID 标识为该类别的一个*实例*。例如，如果您提供了标签类别 car，那么工作人员注释的第一辆车的实例 ID 将是 car:1。工作人员注释的第二辆汽车的实例 ID 将是 car:2。为了跟踪对象的移动，工作人员会在所有帧中的对象周围添加与同一实例 ID 关联的注释。 您可以使用 Amazon A SageMaker I Ground Truth 控制台、 SageMaker API 和特定语言 AWS SDKs创建视频帧对象跟踪标签任务。要了解更多信息，请参阅[创建视频帧对象检测标注作业](sms-video-object-detection.md#sms-video-od-create-labeling-job)并选择您的首选方法。请参阅[任务类型](sms-video-overview.md#sms-video-frame-tools)，了解更多关于创建标注作业时可以选择的注释工具的信息。 Ground Truth 提供了工作人员 UI 和工具来完成标注作业任务：[预览工作人员 UI](sms-video-object-detection.md#sms-video-od-worker-ui)。 您可以创建一个作业，以使用视频对象检测调整任务类型调整在视频对象检测标注作业中创建的注释。要了解更多信息，请参阅[创建视频帧对象检测调整或验证标注作业](sms-video-object-detection.md#sms-video-od-adjustment)。 ## 预览工作人员 UI Ground Truth 为工作人员提供了 Web 用户界面 (UI)，用于完成视频帧对象跟踪注释任务。在控制台中创建标注作业时，您可以预览该工作人员 UI 并与之交互。如果您是新用户，我们建议您使用小型输入数据集通过控制台创建标注作业，以预览工作人员 UI，并确保视频帧、标签和标签属性如预期显示。 用户界面为工作人员提供了以下辅助标注工具，以完成您的对象跟踪任务： + 对于所有任务，工作人员都可以使用**复制到下一帧**和**复制到所有帧**功能，将具有相同唯一 ID 的注释分别复制到下一帧或所有后续帧。 + 对于包含边界框工具的任务，工作人员可以使用**预测下一个**功能在单帧中绘制边界框，然后让 Ground Truth 预测所有其他帧中具有相同唯一 ID 的边界框的位置。然后，工作人员可以进行调整以更正预测的边界框位置。 下面的视频展示了工作人员如何使用工作人员用户界面和边界框工具来完成对象跟踪任务。 ![\[Gif 显示了工作人员如何使用边界框工具和预测下一步功能。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/ot_predict_next.gif) ## 创建视频帧对象跟踪标注作业 您可以使用 SageMaker AI 控制台或 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)API 操作创建视频帧对象跟踪标注作业。 本部分假设您已经查看[视频帧标注作业参考](sms-video-overview.md)并选择了要使用的输入数据类型和输入数据集连接。 ### 创建标注作业（控制台） 您可以按照中的说明[创建标注作业（控制台）](sms-create-labeling-job-console.md)来学习如何在 SageMaker AI 控制台中创建视频帧对象跟踪作业。在第 10 步中，从**任务类别**下拉列表中选择**视频 - 对象跟踪**。在**任务选择**中选择一张卡片，即可选择所需的任务类型。 ![\[Gif 显示了如何在 A SageMaker I 控制台中创建视频帧对象跟踪作业。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/task-type-vot.gif) ### 创建标注作业 (API) 您可以使用 SageMaker API 操作创建对象跟踪标注作业`CreateLabelingJob`。此 API 为所有人定义了此操作 AWS SDKs。要查看此操作 SDKs 支持的特定语言列表，请查看的 “**另请参阅**” 部分。[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) [创建标注作业 (API)](sms-create-labeling-job-api.md)概述了 `CreateLabelingJob` 操作。请按照这些说明进行操作，并在配置请求时执行以下操作： + 您必须为 `HumanTaskUiArn` 输入一个 ARN。使用 `arn:aws:sagemaker::394669845002:human-task-ui/VideoObjectTracking`。将 `` 替换为您在其中创建标注作业的 AWS 区域。 不要包含 `UiTemplateS3Uri` 参数的条目。 + [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) 必须以 `-ref` 结尾。例如 `ot-labels-ref`。 + 输入清单文件必须是视频帧序列清单文件。您可以使用 SageMaker AI 控制台创建此清单文件，也可以手动创建该文件并将其上传到 Amazon S3。有关更多信息，请参阅 [输入数据设置](sms-video-data-setup.md)。如果您创建流式标注作业，则输入清单文件是可选的。 + 您只能使用私有或供应商工作团队来创建视频帧对象检测标注作业。 + 您可以在标签类别配置文件中指定标签、标签类别和帧属性、任务类型和工作人员说明。使用 `annotationType` 在标签类别配置文件中指定任务类型（边界框、折线、多边形或关键点）。有关更多信息，请参阅[带有标签类别和框架属性参考的标注类别配置文件](sms-label-cat-config-attributes.md)以了解如何创建此文件。 + 您需要为预注解和后标注 ( ARNs ACS) Lambda 函数提供预定义的。 ARNs 它们特定于您用于创建标签任务的 AWS 区域。 + 要查找注释前 Lambda ARN，请参考 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)。请使用您在其中创建标注作业的区域来查找以 `PRE-VideoObjectTracking` 结尾的正确 ARN。 + 要查找注释后 Lambda ARN，请参考 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)。请使用您在其中创建标注作业的区域来查找以 `ACS-VideoObjectTracking` 结尾的正确 ARN。 + `NumberOfHumanWorkersPerDataObject` 中指定的工作人员数必须为 `1`。 + 视频帧标注作业不支持自动数据标注。不要在 `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)` 中指定参数值。 + 视频帧对象跟踪标注作业可能需要数小时才能完成。您可以在 `TaskTimeLimitInSeconds` 中为这些标注作业指定更长的时间限制（最多 7 天或 604800 秒）。 以下是一个 [AWS Python SDK (Boto3) 请求](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)示例，该请求在美国东部（弗吉尼亚州北部）区域中创建标注作业。 ``` response = client.create_labeling_job( LabelingJobName='example-video-ot-labeling-job, LabelAttributeName='label', InputConfig={ 'DataSource': { 'S3DataSource': { 'ManifestS3Uri': 's3://amzn-s3-demo-bucket/path/video-frame-sequence-input-manifest.json' } }, 'DataAttributes': { 'ContentClassifiers': [ 'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent', ] } }, OutputConfig={ 'S3OutputPath': 's3://amzn-s3-demo-bucket/prefix/file-to-store-output-data', 'KmsKeyId': 'string' }, RoleArn='arn:aws:iam::*:role/*, LabelCategoryConfigS3Uri='s3://bucket/prefix/label-categories.json', StoppingConditions={ 'MaxHumanLabeledObjectCount': 123, 'MaxPercentageOfInputDatasetLabeled': 123 }, HumanTaskConfig={ 'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*', 'UiConfig': { 'HumanTaskUiArn: 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/VideoObjectTracking' }, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-VideoObjectTracking', 'TaskKeywords': [ 'Video Frame Object Tracking, ], 'TaskTitle': 'Video frame object tracking task', 'TaskDescription': Tracking the location of objects and people across video frames', 'NumberOfHumanWorkersPerDataObject': 123, 'TaskTimeLimitInSeconds': 123, 'TaskAvailabilityLifetimeInSeconds': 123, 'MaxConcurrentTaskCount': 123, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-VideoObjectTracking' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ## 创建视频帧对象跟踪调整或验证标注作业 您可以使用 Ground Truth 控制台或 `CreateLabelingJob` API 创建调整和验证标注作业。要了解有关调整和验证标注作业的更多信息，以及如何创建标注作业，请参阅[标签验证和调整](sms-verification-data.md)。 ## 输出数据格式 创建视频帧对象跟踪标注作业时，会将任务发送给工作人员。在这些工作人员完成其任务时，标签会写入到您创建标注作业时指定的 Amazon S3 输出位置。要了解视频帧对象跟踪输出数据格式，请参阅[视频帧对象跟踪输出](sms-data-output.md#sms-output-video-object-tracking)。如果您是 Ground Truth 的新用户，请参阅[标注作业输出数据](sms-data-output.md)以了解有关 Ground Truth 输出数据格式的更多信息。 # 视频帧标注作业参考 使用此页面可了解对象检测和对象跟踪视频帧标注作业。此页面上的信息适用于这两种内置任务类型。 视频帧标注作业的独特之处在于以下几点： + 您可以提供准备好进行注释的数据对象（视频帧），也可以提供视频文件并让 Ground Truth 自动提取视频帧。 + 工作人员可以随时保存工作。 + 您不能使用 Amazon Mechanical Turk 员工来完成标签任务。 + Ground Truth 提供了一个工作人员 UI 以及辅助和基本的标注工具，以有助于工作人员完成任务。您不需要提供工作人员任务模板。 使用以下主题了解有关视频帧标注作业的更多信息。 **Topics** + [输入数据](#sms-video-input-overview) + [作业完成时间](#sms-video-job-completion-times) + [任务类型](#sms-video-frame-tools) + [人力](#sms-video-workforces) + [工作人员用户界面 (UI)](#sms-video-worker-task-ui) + [视频帧作业权限要求](#sms-security-permission-video-frame) ## 输入数据 视频帧标注作业使用视频帧*序列*。单个序列是从单个视频中提取的一系列图像。您可以提供自己的视频帧序列，也可以让 Ground Truth 自动从视频文件中提取视频帧序列。要了解更多信息，请参阅[提供视频文件](sms-point-cloud-video-input-data.md#sms-point-cloud-video-frame-extraction)。 Ground Truth 使用序列文件来识别单个序列中的所有图像。输入清单文件中标识了要在单个标注作业中包含的所有序列。每个序列都用于创建单个工作人员任务。您可以使用 Ground Truth 自动数据设置来自动创建序列文件和输入清单文件。要了解更多信息，请参阅[设置自动视频帧输入数据](sms-video-automated-data-setup.md)。 要了解如何手动创建序列文件和输入清单文件，请参阅[创建视频帧输入清单文件](sms-video-manual-data-setup.md#sms-video-create-manifest)。 ## 作业完成时间 工作人员可能需要数小时才能完成视频和视频帧标注作业。您可以在创建标注作业时设置工作人员可处理每个任务的总时间。您可以为工作人员处理任务设置的最长时间为 7 天。默认值为 3 天。 强烈建议您创建工作人员可在 12 小时内完成的任务。在处理任务时，工作人员必须将工作人员 UI 保持打开状态。他们可以随时保存工作，Ground Truth 每 15 分钟保存一次他们的工作。 使用 SageMaker AI `CreateLabelingJob` API 操作时，请在的`TaskTimeLimitInSeconds`参数中设置任务可供工作人员使用的总时间`HumanTaskConfig`。 在控制台中创建标注作业时，您可以在选择人力类型和工作团队时指定该时间限制。 ## 任务类型 创建视频对象跟踪或视频对象检测标注作业时，您可以指定希望工作人员在执行标注作业时创建的注释类型。注释类型决定了 Ground Truth 返回的输出数据类型，也定义了标注作业的*任务类型*。 如果您使用 API 操作 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 创建标注作业，则可以使用标签类别配置文件参数 `annotationType` 指定任务类型。要了解更多信息，请参阅[带有标签类别和框架属性参考的标注类别配置文件](sms-label-cat-config-attributes.md)。 以下任务类型可用于视频对象跟踪或视频对象检测标注作业： + **边界框** – 为工作人员提供了创建边界框注释的工具。边界框是工作人员在对象周围绘制的一个框，用于识别该对象在帧中的像素位置和标签。 + **折线** – 为工作人员提供了创建折线注释的工具。折线由一系列有序的 x、y 坐标定义。添加到折线上的每个点都用一条线与前一个点相连。折线不必闭合（起点和终点不必相同），线与线之间形成的角度也没有限制。 + **多边形** – 为工作人员提供了创建多边形注释的工具。多边形是由一系列有序的 x、y 坐标定义的封闭形状。添加到多边形中的每个点都用一条线与前一个点相连，线与线之间形成的角度没有限制。多边形的两条线（边）不能交叉。多边形的起点和终点必须相同。 + **关键点** – 为工作人员提供了创建关键点注释的工具。关键点是与视频帧中 x、y 坐标相关联的一个点。 ## 人力 创建视频帧标注作业时，需要指定一个工作团队来完成注释任务。您可以从自己的工作人员的私有人力中选择一个工作团队，或者从在 AWS Marketplace中选择的供应商人力中选择一个工作团队。您不能将 Amazon Mechanical Turk 人力用于视频帧标注作业。 要了解供应商人力的更多信息，请参阅[订阅供应商人力](sms-workforce-management-vendor.md)。 要了解如何创建和管理私有人力，请参阅[私有人力](sms-workforce-private.md)。 ## 工作人员用户界面 (UI) Ground Truth 提供了工作人员用户界面 (UI)、工具和辅助标注功能，以协助工作人员完成视频标注任务。在控制台中创建标注作业时，您可以预览工作人员 UI。 在使用 API 操作 `CreateLabelingJob` 创建标注作业时，必须提供 Ground Truth 在 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-UiTemplateS3Uri](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-UiTemplateS3Uri) 参数中提供的 ARN，以便为任务类型指定工作人员 UI。您可以`HumanTaskUiArn`与 SageMaker A [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html)I API 操作配合使用来预览工作器用户界面。 您可以提供工作人员说明、标签和可选属性，工作人员可以使用这些属性来提供有关标签和视频帧的更多信息。这些属性分别称为标签类别属性和帧属性。这些属性都显示在工作人员 UI 中。 ### 标签类别和帧属性 创建视频对象跟踪或视频对象检测标注作业时，可以添加一个或多个*标签类别属性*和*帧属性*： + **标签类别属性** – 与一个或多个标签关联的选项（字符串）、自由格式文本框或数值字段的列表。工作人员使用该属性提供有关标签的元数据。 + **帧属性** – 发送给工作人员进行注释的每个视频帧上显示的选项（字符串）、自由格式文本框或数值字段列表。工作人员使用该属性提供有关视频帧的元数据。 此外，您可以使用标签和帧属性让工作人员在视频帧标签验证作业中验证标签。 使用以下部分了解有关这些属性的更多信息。要了解如何向标注作业添加标签类别和帧属性，请使用所选[任务类型页面](sms-video-task-types.md)上的**创建标注作业**部分。 #### 标签类别属性 为标签添加标签类别属性，让工作人员能够提供更多有关他们创建的注释的信息。标签类别属性可添加到单个标签或所有标签中。当标签类别属性应用于所有标签时，该属性称为*全局标签类别属性*。 例如，如果添加标签类别 *car*，您可能还希望捕获关于已标注汽车的其他数据，例如，是否遮挡了汽车或汽车的大小。您可以使用标签类别属性以捕获该元数据。在此示例中，如果您将属性 *occluded* 添加到 car 标签类别中，那么您可以为 *occluded* 属性分配 *partial*、*completely*、*no*，并允许工作人员选择其中一个选项。 创建标签验证作业时，您可以将标签类别属性添加到希望工作人员验证的每个标签中。 #### 帧级属性 添加帧属性，使工作人员能够提供有关单个视频帧的更多信息。您添加的每个帧属性都显示在所有帧上。 例如，您可以添加一个 number-frame 属性，让工作人员识别他们在特定帧中看到的对象的数量。 在另一个示例中，您可能希望提供一个自由格式的文本框，使工作人员能够提供问题的答案。 创建标签验证作业时，您可以添加一个或多个帧属性，要求工作人员就视频帧中的所有标签提供反馈。 ### 工作人员说明 您可以提供工作人员说明，以便于工作人员完成视频帧标注任务。在编写说明时，您可能需要涵盖以下主题： + 注释对象时的最佳实践和应避免的事项。 + 提供的标签类别属性（对于对象检测和对象跟踪任务）及其使用方法。 + 如何使用键盘快捷键节省标注时间。 在创建标签作业时，您可以使用 SageMaker AI 控制台添加工作人员指令。如果使用 API 操作 `CreateLabelingJob` 创建标注作业，您可以在标签类别配置文件中指定工作人员说明。 除了说明以外，Ground Truth 还提供一个链接以便于工作人员导航和使用工作人员门户。请在[工作人员说明](sms-video-worker-instructions.md)中选择任务类型以查看这些说明。 ### 拒绝任务 工作人员可以拒绝任务。 如果说明不清楚、输入数据显示不正确或遇到任务的其他问题，工作人员会拒绝任务。如果每个数据集对象的工作人员数量 ([https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-NumberOfHumanWorkersPerDataObject](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-NumberOfHumanWorkersPerDataObject)) 拒绝任务，则该数据对象将被标记为过期，并且不会发送给其他工作人员。 ## 视频帧作业权限要求 创建视频帧标注作业时，除了[分配 IAM 权限以使用 Ground Truth](sms-security-permission.md)中的权限要求外，还必须将 CORS 策略添加到包含输入清单文件的 S3 存储桶中。 ### S3 存储桶的 CORS 权限策略 创建视频帧标注作业时，您需要在 S3 中指定输入数据和清单文件所在的存储桶，以及存储输出数据的存储桶。这些存储桶可能是相同的。您必须将以下跨源资源共享 (CORS) 策略附加到输入和输出存储桶。如果您使用 Amazon S3 控制台将策略添加到存储桶，则必须使用 JSON 格式。 **JSON** ``` [ { "AllowedHeaders": [ "*" ], "AllowedMethods": [ "GET", "HEAD", "PUT" ], "AllowedOrigins": [ "*" ], "ExposeHeaders": [ "Access-Control-Allow-Origin" ], "MaxAgeSeconds": 3000 } ] ``` **XML** ``` * GET HEAD PUT 3000 Access-Control-Allow-Origin * ``` 要了解如何将 CORS 策略添加到 S3 存储桶，请参阅《Amazon Simple Storage Service 用户指南》中的[如何使用 CORS 添加跨域资源共享？](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/add-cors-configuration.html) # 工作人员说明 本主题概述了可用于完成视频帧标注任务的 Ground Truth 工作人员门户和工具。首先，从**主题**中选择您处理的任务类型。 **重要** 建议您使用 Google Chrome 或 Firefox Web 浏览器完成任务。 对于调整作业，请选择生成要调整的标签的原始标注作业任务类型。根据需要，查看并调整任务中的标签。 **Topics** + [导航用户界面](sms-video-worker-instructions-worker-ui-ot.md) + [批量编辑标签和帧属性](sms-video-frame-worker-instructions-ot-bulk-edit.md) + [工具指南](sms-video-worker-instructions-tool-guide.md) + [图标指南](sms-video-worker-instructions-ot-icons.md) + [快捷键](sms-video-worker-instructions-ot-hot-keys.md) + [了解“发布”、“停止和恢复”以及“拒绝任务”选项](sms-video-worker-instructions-skip-reject-ot.md) + [保存您的工作并提交](sms-video-worker-instructions-saving-work-ot.md) + [视频帧对象跟踪任务](sms-video-ot-worker-instructions.md) + [视频帧对象检测任务](sms-video-od-worker-instructions.md) # 导航用户界面 您可以使用用户界面左下角的导航栏在视频帧之间导航。 使用“播放”按钮可自动浏览整个帧序列。 使用“下一帧”和“上一帧”按钮可一次向前或向后移动一帧。您还可以输入帧编号以导航到该帧。 下面的视频演示了如何在视频帧之间导航。 ![\[Gif 演示了如何在视频帧之间导航。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/nav_video_ui.gif) 您可以放大或缩小所有视频帧。放大视频帧后，可以使用移动图标在该帧中移动。当您通过在单个视频帧内缩放和移动来设置新视图时，所有视频帧都会设置为相同的视图。您可以使用“适合屏幕”图标将所有视频帧重置为其原始视图。有关其他视图选项，请参阅[图标指南](sms-video-worker-instructions-ot-icons.md)。 当您位于工作人员 UI 时，您会看到以下菜单： + **说明** – 在开始执行任务之前，请查看这些说明。此外，选择**更多说明**并查看这些说明。 + **快捷键** - 使用此菜单查看键盘快捷键，您可以使用这些快捷键导航视频帧和使用提供的工具。 + **帮助** – 使用此选项可参考本文档。 # 批量编辑标签和帧属性 您可以批量编辑标签属性和帧属性。 批量编辑属性时，指定要应用编辑的一个或多个帧范围。您选择的属性将在该范围内的所有帧中进行编辑，包括指定的起始帧和结束帧。批量编辑标签属性时，您指定的范围*必须*包含标签属性附加到的标签。如果指定的帧不包含此标签，则会出现错误。 要批量编辑属性，*必须*首先指定属性的所需值。例如，如果要将某个属性从*是*改为*否*，则必须先选择*否*，然后执行批量编辑。 您还可以为尚未填写的属性指定一个新值，然后使用批量编辑功能在多个帧中填写该值。为此，请为属性选择所需的值，然后完成以下过程。 **要批量编辑标签或属性，请执行以下操作：** 1. 使用鼠标右键单击要批量编辑的属性。 1. 使用文本框中的短划线 (`-`) 指定要应用批量编辑的帧范围。例如，如果要将编辑应用于第一帧至第十帧，请输入 `1-10`。如果要将编辑应用于第二帧到第五帧、第八帧到第十帧和第二十帧，请输入 `2-5,8-10,20`。 1. 选择**确认**。 如果收到错误信息，请验证输入的范围是否有效，以及与正在编辑的标签属性相关的标签（如适用）是否存在于指定的所有帧中。 使用屏幕顶部**标签**菜单中的**复制到上一帧**和**复制到下一帧**选项，可以快速将标签添加到所有前一帧或后续帧。 # 工具指南 您的任务将包括一个或多个工具。提供的工具指定了您将创建的用于识别和跟踪对象的注释类型。请使用下表进一步了解所提供的每种工具。 **** | 工具 | 图标 | Action | 说明 | | --- | --- | --- | --- | | 边界框 | ![\[边界框图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Bounding%20Box.png) | 添加边界框注释。 | 选择此图标可添加边界框。您添加的每个边界框都与您从“标签类别”下拉菜单中选择的类别相关联。选择边界框或其关联的标签进行调整。 | | 预测下一帧 | ![\[预测下一步图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/PredictNext.png) | 预测下一帧中的边界框。 | 选择一个边界框，然后选择此图标以预测该边界框在下一帧中的位置。您可以连续多次选择此图标，以自动检测多个帧中边界框的位置。例如，选择此图标 5 次以预测接下来 5 帧中边界框的位置。 | | 关键点 | ![\[关键点图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Keypoint.png) | 添加关键点注释。 | 选择此图标可添加关键点。单击图像的对象可将关键点放置在该位置。 您添加的每个关键点都与您从“标签类别”下拉菜单中选择的类别相关联。选择关键点或其关联的标签进行调整。 | | 折线 | ![\[多段线图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/polyline.png) | 添加折线注释。 | 选择此图标可添加折线。要添加折线，可连续单击感兴趣对象周围的点来添加新点。要停止绘制折线，请选择您第二次放置的最后一个点（该点将显示为绿色），或按键盘上的 **Enter** 键。 添加到折线上的每个点都用一条线与前一个点相连。折线不必闭合（起点和终点不必相同），线与线之间形成的角度也没有限制。 您添加的每个折线都与您从“标签类别”下拉菜单中选择的类别相关联。选择折线或其关联的标签进行调整。 | | Polygon | ![\[多边形图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Polygon.png) | 添加多边形注释。 | 选择此图标可添加多边形。要添加多边形，可连续单击感兴趣对象周围的点来添加新点。要停止绘制多边形，请选择起点（该点将显示为绿色）。 多边形是由您放置的一系列点定义的封闭形状。添加到多边形中的每个点都用一条线与前一个点相连，线与线之间形成的角度没有限制。起点和终点必须相同。 您添加的每个多边形都与您从“标签类别”下拉菜单中选择的类别相关联。选择多边形或其关联的标签进行调整。 | | 复制到下一帧 | ![\[复制到下一步图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/copy_to_next.png) | 将注释复制到下一帧。 | 如果在当前帧中选择了一个或多个注释，这些注释将复制到下一帧。如果未选择注释，当前帧中的所有注释都将复制到下一帧。 | | 复制到所有帧 | ![\[全部复制图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/copy_to_all.png) | 将注释复制到所有后续帧中。 | 如果在当前帧中选择了一个或多个注释，这些注释将复制到所有后续帧中。如果未选择注释，则当前帧中的所有注释都将复制到所有后续帧中。 | # 图标指南 使用此表可以了解您在工作人员任务门户中看到的图标。您可以使用**快捷键**菜单中的键盘快捷键自动选择其中一些图标。 | 图标 | Action | 说明 | | --- | --- | --- | | ![\[亮度图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Brightness.png) | 亮度 | 选择此图标可调整所有视频帧的亮度。 | | ![\[对比度图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Contrast.png) | 对比度 | 选择此图标可调整所有视频帧的对比度。 | | ![\[放大图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Zoom-in.png) | 放大 | 选择此图标可放大所有视频帧。 | | ![\[缩小图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Zoom-out.png) | 缩小 | 选择此图标可缩小所有视频帧。 | | ![\[移动图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Move.png) | 移动屏幕 | 放大视频帧后，选择此图标可在该视频帧中移动。您可以使用鼠标在视频帧周围移动，方法是单击并按您希望的方向拖动帧。这将更改所有视图帧中的视图。 | | ![\[适合屏幕图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Fit%20screen.png) | 适合屏幕 | 将所有视频帧重置为原始位置。 | | ![\[撤消图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Undo.png) | 撤消 | 撤消操作。可以使用此图标删除刚添加的边界框，或撤消对边界框所做的调整。 | | ![\[重做图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Redo.png) | 重做 | 重做使用撤消图标撤消的操作。 | | ![\[删除标签图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Delete.png) | 删除标签 | 删除标签。这将在一帧内删除与标签相关的边界框。 | | ![\[显示或隐藏标签图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Show_Hide.png) | 显示或隐藏标签 | 选择此图标可显示已隐藏的标签。如果此图标上有一条斜线，选择此图标可隐藏标签。 | | ![\[编辑图标。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/Edit.png) | 编辑标签 | 选择此图标可打开编辑实例菜单。使用此菜单可以编辑标签类别、ID 以及添加或编辑标签属性。 | # 快捷键 **快捷键**菜单中列出的键盘快捷键有助于您快速选择图标、撤消和重做注释，以及使用工具添加和编辑注释。例如，一旦添加了边界框，就可以使用 **P** 快速预测该边界框在后续帧中的位置。 在开始执行任务之前，建议您查看**快捷键**菜单并熟悉这些命令。 # 了解“发布”、“停止和恢复”以及“拒绝任务”选项 打开标注任务时，右上方的三个按钮允许您拒绝任务（**拒绝任务**）、释放任务（**释放任务**）以及停止任务并稍后继续任务（**停止并稍后继续**）。以下列表描述了选择这些选项时会发生的情况： + **拒绝任务**：只有在任务出现问题（如视频帧图像不清晰或用户界面有问题）时，您才可以拒绝任务。如果您拒绝某项任务，您将无法返回到该任务。 + **释放任务**：使用此选项可释放任务，并允许其他人处理该任务。当您释放任务时，您将失去在该任务上完成的所有工作，而您团队中的其他工作人员可以接手该任务。如果有足够多的工作人员接手这项任务，您可能就无法返回到该任务。选择该按钮后再选择**确认**，您将返回到工作人员门户。如果该任务仍可用，则其状态将为**可用**。如果其他工作人员接手该任务，它将从您的门户中消失。 + **停止并稍后继续**：您可以使用**停止并稍后继续**按钮停止工作，稍后再返回任务。在选择**停止并稍后继续**之前，应使用**保存**按钮保存您的工作。选择该按钮后再选择**确认**，您将返回到工作人员门户，任务状态为**已停止**。您可以选择相同的任务以继续执行该任务。 请注意，创建标注任务的人员指定了一个时间限制，在此限制内所有任务都需要完成。如果您没有在该时间限制内返回并完成该任务，则该任务将过期，并且您的工作将不会提交。更多信息请联系您的管理员。 ![\[Gif 显示了用户界面中拒绝任务、发布任务以及稍后停止和恢复的位置。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/reject-decline-task.gif) # 保存您的工作并提交 您应定期使用**保存**按钮保存您的工作。Ground Truth 每 15 分钟自动保存一次您的工作。 在打开任务时，您必须先在其中完成自己的工作，然后再按**提交**。 # 视频帧对象跟踪任务 视频帧对象跟踪任务要求您跟踪对象在视频帧之间的移动。视频帧是来自视频场景的静止图像。您可以使用工作人员 UI 在视频帧之间进行导航，并使用所提供的工具来识别唯一的对象并跟踪这些对象在不同视频帧之间的移动。通过以下主题了解如何导航您的工作人员用户界面、使用提供的工具以及完成任务。 建议您使用 Google Chrome 或 Firefox Web 浏览器完成任务。 **重要** 如果您在打开任务时看到注释已添加到一个或多个视频帧中，请调整这些注释并根据需要添加其他注释。 **Topics** + [您的任务](sms-video-worker-instructions-ot-task.md) # 您的任务 在处理视频帧对象跟踪任务时，需要从工作人员门户右侧的**标签类别**菜单中选择一个类别以开始注释。选择类别后，请使用提供的工具对该类别适用的对象进行注释。此注释将与只能用于该对象的唯一标签 ID 相关联。在同一对象出现的所有视频帧中，使用相同的标签 ID 为该对象创建附加注释。请参阅[工具指南](sms-video-worker-instructions-tool-guide.md)以了解有关所提供工具的更多信息。 添加标签后，您可能会在**标签**菜单中看到标签旁边有一个向下箭头。选择此箭头，然后为您看到的每个标签属性选择一个选项，以提供有关该标签的更多信息。 您可以在**标签**菜单下看到帧属性。这些属性将出现在任务的每个帧中。使用这些属性提示输入有关每个帧的其他信息。 ![\[框架属性提示示例。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/frame-attributes.png) 添加标签后，使用**标签**菜单中标签旁边的向下箭头，可以快速添加和编辑标签类别属性值。如果在**标签**菜单中选择标签旁边的铅笔图标，就会出现**编辑实例**菜单。您可以使用此菜单编辑标签 ID、标签类别和标签类别属性。 ![\[Gif 显示了如何编辑框架中标签的注释。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/kitti-ot-general.gif) 要编辑注释，请在**标签**菜单中选择要编辑的注释的标签，或在帧中选择注释。编辑或删除注释时，该操作只会修改单帧中的注释。 如果您正在执行的任务中包含边界框工具，则可使用“预测下一帧”图标来预测您在下一帧中绘制的所有边界框的位置。如果选择单个边界框，然后选择“预测下一帧”图标，那么下一帧将只预测该边界框。如果当前帧中没有添加任何边界框，则会出现错误。使用此功能前，您必须在帧中至少添加一个边界框。 使用“预测下一帧”图标后，查看下一帧中每个边界框的位置，必要时调整边界框的位置和大小。 下图演示了如何使用“预测下一帧”工具： ![\[Gif 显示了如何调整下一帧的预测框。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/kitti-ot-predict-next.gif) 对于所有其他工具，您可以使用**复制到下一帧**和**复制到所有帧**工具分别将注释复制到下一帧或所有帧。 # 视频帧对象检测任务 视频帧对象检测任务要求您使用注释对视频帧中的对象进行分类并确定其位置。视频帧是来自视频场景的静止图像。您可以使用工作人员用户界面在视频帧之间导航，并创建注释以识别感兴趣的对象。通过以下主题了解如何导航您的工作人员用户界面、使用提供的工具以及完成任务。 建议您使用 Google Chrome Web 浏览器完成任务。 **重要** 如果您在打开任务时看到注释已添加到一个或多个视频帧中，请调整这些注释并根据需要添加其他注释。 **Topics** + [您的任务](sms-video-worker-instructions-od-task.md) # 您的任务 在处理视频帧对象检测任务时，需要从工作人员门户右侧的**标签类别**菜单中选择一个类别以开始注释。选择类别后，在该类别适用的对象周围绘制注释。要进一步了解您在工作人员用户界面中看到的工具，请参阅[工具指南](sms-video-worker-instructions-tool-guide.md)。 添加标签后，您可能会在**标签**菜单中看到标签旁边有一个向下箭头。选择此箭头，然后为您看到的每个标签属性选择一个选项，以提供有关该标签的更多信息。 ![\[Gif 显示了工作人员如何使用边界框工具完成对象检测任务。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif) 您可以在**标签**菜单下看到帧属性。这些属性将出现在任务的每个帧中。使用这些属性提示输入有关每个帧的其他信息。 ![\[框架属性提示示例。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/frame-attributes.png) 要编辑注释，请在**标签**菜单中选择要编辑的注释的标签，或在帧中选择注释。编辑或删除注释时，该操作只会修改单帧中的注释。 如果您正在执行的任务中包含边界框工具，则可使用“预测下一帧”图标来预测您在下一帧中绘制的所有边界框的位置。如果选择单个边界框，然后选择“预测下一帧”图标，那么下一帧将只预测该边界框。如果当前帧中没有添加任何边界框，则会出现错误。使用此功能前，您必须在帧中至少添加一个边界框。 **注意** 预测下一帧功能不会覆盖手动创建的注释，而只会添加注释。如果使用了预测下一帧，结果在一个对象周围出现了多个边界框，请删除除一个边界框以外的所有边界框。每个对象只能用一个边界框来标识。 使用“预测下一帧”图标后，查看下一帧中每个边界框的位置，必要时调整边界框的位置和大小。 下图演示了如何使用“预测下一帧”工具： ![\[Gif 显示了工作人员如何在下一帧中调整预测框。\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/sms/video/kitti-video-od.gif) 对于所有其他工具，您可以使用**复制到下一帧**和**复制到所有帧**工具分别将注释复制到下一帧或所有帧。