本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 規劃資料集
<a name="md-dataset-purpose"></a>

在專案中標記訓練和測試資料集的方式會決定您建立的模型類型。使用 Amazon Rekognition 自訂標籤，您可以建立執行下列動作的模型。
+ [尋找物件、場景和概念](#md-dataset-purpose-classification)
+ [尋找物件位置](#md-dataset-purpose-localization)
+ [尋找品牌位置](#md-dataset-purpose-brands)

## 尋找物件、場景和概念
<a name="md-dataset-purpose-classification"></a>

模型會將和整個影像相關聯的物件、場景和概念進行分類。

您可以建立兩種類型的分類模型：*影像分類*和*多標籤分類*。針對這兩種類型的分類模型，模型會從用於訓練的完整標籤集中尋找一個或多個相符標籤。訓練和測試資料集至少需要兩個標籤。

### Image classification
<a name="md-dataset-image-classification"></a>

 

模型會將影像分類為屬於一組預定義的標籤。例如，您可能需要確定影像是否包含居住空間的模型。下列影像可能具有 *ling\_space* 影像層級標籤。

![附火場的舒適客廳，大型窗戶可遠景後院露台。中性色調、木材裝飾。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/living_space1.jpeg)


針對此類型的模型，請新增單一影像層級標籤至每個訓練和測試資料集影像。如需範例專案，請參閱 [Image classification](getting-started.md#gs-image-classification-example)。

### 多標籤分類
<a name="md-dataset-image-classification-multi-label"></a>

模型會將影像分類為多個類別，例如花卉的類型以及是否有葉子。例如，下列影像可能具有 *mediterranean\_spurge* 和 *no\_leaves* 影像層級標籤。

![綠色 viburnum 花朵叢集的特寫，其中包含緊密包裝的小花。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/mediterranean_spurge3.jpg)


針對此類型的模型，請指派每個類別的影像層級標籤給訓練和測試資料集影像。如需範例專案，請參閱 [多標籤影像分類](getting-started.md#gs-multi-label-image-classification-example)。

### 指派影像層級標籤
<a name="w2aac20c17c21b7c11"></a>

如果您的影像存放在 Amazon S3 儲存貯體中，您可以使用[資料夾名稱](md-create-dataset-s3.md)自動新增影像層級標籤。如需詳細資訊，請參閱[從 Amazon S3 儲存貯體匯入映像](md-create-dataset-s3.md)。您也可以在建立資料集之後，新增影像層級標籤至影像，如需更多詳細資訊，請參閱 [將影像層級標籤指派給影像](md-assign-image-level-labels.md)。您可以根據需要新增標籤。如需詳細資訊，請參閱[管理標籤](md-labels.md)。

## 尋找物件位置
<a name="md-dataset-purpose-localization"></a>

若要建立預測影像中物件位置的模型，您需要為訓練和測試資料集中的影像定義物件位置週框方塊和標籤。週框方框是緊密圍繞物件的方塊。例如，下列影像即顯示 Amazon Echo 和 Amazon Echo Dot 周圍的週框方塊。每個週框方塊都有一個指派的標籤 (*Amazon Echo* 或 *Amazon Echo Dot*)。

![兩個 Amazon 智慧喇叭，一個帶有綠色週框方塊和一個藍色週框方塊，位於木頭表面。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/echos.png)


若要尋找物件位置，您的資料集至少需要至少一個標籤。在模型訓練期間，會自動建立更多標籤，代表影像上週框方塊外部的區域。

### 指派週框方塊
<a name="w2aac20c17c21b9b9"></a>

 建立資料集時，您可以包含影像的週框方塊資訊。例如，您可以匯入包含週框方塊的 SageMaker AI Ground Truth 格式[資訊清單檔案](md-create-manifest-file.md)。您也可以在建立資料集之後新增週框方塊。如需詳細資訊，請參閱[使用週框方塊標記物件](md-localize-objects.md)。您可以根據需要新增標籤。如需詳細資訊，請參閱[管理標籤](md-labels.md)。

## 尋找品牌位置
<a name="md-dataset-purpose-brands"></a>

如果您想要尋找品牌的位置，例如標誌和動畫人物，您可以為訓練資料集影像使用兩種不同類型的影像。
+  僅屬於標誌的影像。每個影像都需要代表標誌名稱的單一影像層級標籤。例如，下列影像的影像層級標籤可能是 *Lambda*。  
![橘色背景上的白色 Lambda 標誌。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/lambda-logo.jpg)
+ 在自然位置包含標誌的影像，例如足球比賽或建築圖。每個訓練影像都需要圍繞標誌的每個執行個體的週框方塊。例如，下圖顯示結構圖，其中包含 AWS Lambda 和 Amazon Pinpoint 標誌周圍的標記週框方塊。  
![顯示 AWS Lambda 服務將使用者活動饋送至 Amazon Pinpoint 以取得建議的反向工作流程。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/brand-detection-lambda.png)

我們建議您不要在訓練影像中混合使用影像層級的標籤和週框方塊。

測試影像必須在您要尋找的品牌執行個體周圍有週框方塊。只有在訓練影像包含標記的週框方塊時，您才可以分割訓練資料集來建立測試資料集。如果訓練影像只具有影像層級標籤，您即必須建立測試資料集，其中需包含影像和標記的週框方塊。如果您訓練模型來尋找品牌位置，請根據您標記影像的方式進行 [使用週框方塊標記物件](md-localize-objects.md) 和 [將影像層級標籤指派給影像](md-assign-image-level-labels.md)。

[品牌偵測](getting-started.md#gs-brand-detection-example) 的範例專案展示了 Amazon Rekognition 自訂標籤如何使用標籤的邊界框來培訓尋找物體位置的模型。

## 模型類型的標籤需求
<a name="md-model-types-table"></a>

使用下表確定如何標記影像。

您可以在單一資料集中合併影像層級標籤和已標記影像的週框方塊。在這種情況下，Amazon Rekognition 自訂標籤會選擇要建立影像層級模型或是物件位置模型。


| 範例 | 訓練影像 | 測試影像 | 
| --- | --- | --- | 
| [Image classification](#md-dataset-image-classification) | 每個影像 1 個影像層級標籤 | 每個影像 1 個影像層級標籤  | 
| [多標籤分類](#md-dataset-image-classification-multi-label) | 每個影像多個影像層級標籤 | 每個影像多個影像層級標籤 | 
| [尋找品牌位置](#md-dataset-purpose-brands) | 影像層級標籤 (您也可以使用標記的週框方塊) | 標記的週框方塊 | 
| [尋找物件位置](#md-dataset-purpose-localization) | 標記的週框方塊 | 標記的週框方塊 |