3D 点云

三维 (3D) 点云最常使用光探测和测距 (LIDAR) 设备进行捕获,以便在单一时间点生成对物理空间的 3D 解读。SageMaker Ground Truth 支持对 3D 点云数据使用内置的标记工作流,包括对象检测、对象跟踪和语义分割。

对象检测

使用对象检测工作流,您可以识别和标记 3D 点云中您感兴趣的对象。例如,在自动驾驶车辆使用案例中,您可以准确地标记车辆、车道和行人。

Amazon SageMaker Ground Truth 对象检测

对象跟踪

使用对象跟踪工作流,您可以跟踪您感兴趣的对象的轨迹。例如,自动驾驶车辆需要跟踪其他车辆、车道和行人的运动。Ground Truth 允许您通过一系列 3D 点云数据跟踪这些对象的轨迹。

Amazon SageMaker Ground Truth 对象跟踪

语义分割

使用语义分割工作流,您可以将 3D 点云的各个点分割为预先指定的类别。例如,对于自动驾驶车辆,Ground Truth 可以对存在的街道、植物和建筑进行分类。

Amazon SageMaker Ground Truth 语义分割

视频

SageMaker Ground Truth 支持采用内置工作流的常见视频标记使用案例,包括视频对象检测、视频对象跟踪和视频片段分类等。

视频对象检测

借助于视频对象检测工作流,您可以在视频帧序列中识别感兴趣的对象。 例如,在为自动驾驶汽车构建感知系统时,您可以检测汽车周边场景中的其他车辆。

Amazon SageMaker Ground Truth 视频对象检测

视频对象跟踪

借助于视频对象跟踪工作流,您可以在视频帧序列中对感兴趣的对象进行跟踪。例如,在体育赛事使用案例中,您可以在比赛期间准确地标记运动选手。

Amazon SageMaker Ground Truth 视频对象跟踪

视频片段分类

借助于视频片段分类工作流,您可以将某个视频文件分类到预先指定的类别。例如,您可以选择与视频内容最相符的预先指定的类别,如体育比赛,或繁忙十字路口的交通堵塞等。

Amazon SageMaker Ground Truth 视频片段分类

图像

SageMaker Ground Truth 为图像数据提供内置的标记工作流,包括图像分类、对象检测和语义分割。

图像分类

图像分类是根据图像的真实世界表征来识别图像的过程,涉及到根据一组预定义的标签对图像进行分类。图像分类对于需要考虑整个图像环境的场景检测模型非常有用。例如,我们可为自动驾驶车辆构建一个图像分类模型,用来检测各种真实世界的对象,如其他车辆、行人、交通灯和标志牌。

Amazon SageMaker Ground Truth 图像分类

对象检测

您可以使用对象检测工作流来识别和标记图像中您感兴趣的对象(如车辆、行人、狗和猫)。标记任务涉及到在图像中您感兴趣的对象周围绘制一个边界框,即二维 (2D) 框。从带有标记边界框的图像训练而来的计算机视觉模型会了解框内的像素对应特定对象。

Amazon SageMaker Ground Truth 对象检测

语义分割

您可以使用语义分割工作流来具体标记图像中模型需要了解的对应部分。该工作流将提供高度精确的训练数据,因为每个像素都会被标记。例如,您可以使用语义分割工作流准确地捕捉图像中汽车的不规则形状。

Amazon SageMaker Ground Truth 语义分割

文本

SageMaker Ground Truth 为文本数据提供内置的标记工作流,包括文本分类和命名实体识别。

文本分类

文本分类涉及到根据一组预定义的标签对文本字符串进行分类。自然语言处理 (NLP) 模型经常通过将文本分为不同的标签来识别主题(例如产品说明、影评)或情感等内容。

Amazon SageMaker Ground Truth 文本分类

命名实体识别

命名实体 (NER) 涉及到筛选文本数据以找到被称为命名实体的短语,并使用标签对每个短语进行分类,例如“人”、“组织”或“品牌”。 因此,在声明“我最近订阅了 Amazon Prime”中,“Amazon Prime”是命名实体,可以归类为“品牌”。

Amazon SageMaker Ground Truth 命名实体识别

自定义工作流

您可以在 Ground Truth 中创建自己的标记工作流。自定义工作流由三个组件构成:(1) UI 模板,为标记员提供完成标记任务所需的所有指令和工具;(2) 封装在 AWS Lambda 函数中的任何预处理逻辑;(3) 封装在 AWS Lambda 函数中的任何后处理逻辑。有大量 UI 模板供您选择,您也可以上传自己的 Javascript/HTML 模板。预处理 Lambda 函数可以提供要标记的数据,并为标记员添加任何额外的背景信息,而后处理 Lambda 函数可以用于插入精度改进算法。该算法可以评估标记员所做注释的质量,也可以在相同数据被提供给多个标记员时确定“正确的”统一标准。您可以使用 SageMaker Ground Truth 控制台上传所有这三个组件。

在 Ground Truth 中创建自定义工作流

队伍

SageMaker Ground Truth 支持您选择以下队伍来标记数据:(1) 您自己的员工;(2) AWS Marketplace 上提供的第三方数据标记服务提供商;(3) Amazon Mechanical Turk 中的众包劳工。

Mechanical Turk
Mechanical Turk
私有
私有
供应商
供应商
Amazon SageMaker Ground Truth 定价
了解有关 Amazon SageMaker Ground Truth 定价的更多信息

无需预付费用或签订长期合同,即可开始使用 Amazon SageMaker Ground Truth。

了解更多 
注册 AWS 账户
注册免费账户

立即享受 AWS 免费套餐。 

注册 
开始在控制台中构建
开始在控制台中构建

开始使用 Amazon SageMaker Ground Truth 在 AWS 管理控制台中构建。

登录