Amazon SageMaker Ground Truth

Trainingsdaten für skalierbares Machine Learning einfach kennzeichnen

Amazon SageMaker Ground Truth ist ein vollständig verwalteter Daten-Labeling-Service, mit dem die Erstellung von hochpräzisen Trainingsdatensätzen für Machine Learning einfach gelingt. Machen Sie erste Schritte beim Kennzeichnen Ihrer Daten in Minuten über die SageMaker Ground Truth-Konsole mithilfe des benutzerdefinierten oder integrierten Workflows zur Datenkennzeichnung. Diese Workflows unterstützen eine Vielzahl von Anwendungsfällen, darunter 3D-Punkt-Clouds, Videos, Bilder und Text. Im Rahmen der Workflows haben Kennzeichner Zugriff auf unterstützende Kennzeichnungsfunktionen wie der automatische 3D-Quader-Objektfang, das Entfernen von Verzerrungen in 2D-Bildern sowie automatische Segmentierungstools zur Reduzierung des Zeitaufwands für das Kennzeichnen von Datensätzen. Darüber hinaus bietet Ground Truth automatisches Daten-Labeling an. Dazu wird ein Machine-Learning-Modell für das Labeling Ihrer Daten genutzt.

Vorteile

Daten-Label-Genauigkeit verbessern

SageMaker Ground Truth hilft Ihnen dabei, die Qualität von Labels durch Anmerkungskonsolidierungs- und Prüfungs-Workflows zu verbessern. Anmerkungskonsolidierung ist der Prozess des Erfassens von Label-Eingängen von zwei oder mehr Daten-Kennzeichnern und des Kombinierens dieser Eingänge zur Erstellung eines einzelnen Daten-Labels für Ihr Machine-Learning-Modell. Mit integrierten Prüfungs- und Überprüfungs-Workflows können Arbeitskräfte die Label-Verifizierung durchführen und Anpassungen vornehmen, um die Genauigkeit zu verbessern.

Einfache Nutzung

SageMaker Ground Truth bietet automatisierte Labeling-Funktionen, z. B. das automatische Segmentieren, der automatische 3D-Quader-Objektfang und die Sensorfusion mit 2D-Videobildern mit einer intuitiven Benutzeroberfläche zur Reduzierung des Zeitaufwands für Daten-Labeling-Aufgaben bei gleichzeitiger Steigerung der Qualität. Für die semantische Segmentierung müssen Arbeitskräfte Objekte in einem Bild kennzeichnen. Mithilfe der automatischen Segmentierungsfunktion können Arbeitskräfte das Objekt mit 4 Klicks anstatt mit Hunderten erfassen.

Kosten um bis zu 70 % senken

SageMaker Ground Truth bietet automatisches Daten-Labeling. Mithilfe eines aktiven Learning-Modells werden Daten gekennzeichnet und nur von Personen bearbeitet, wenn das Modell dies nicht zuverlässig kann. Die von Personen gekennzeichneten Daten werden dann verwendet, um das Machine-Learning-Modell zu trainieren und seine Genauigkeit zu verbessern. Dadurch werden weniger Daten in der nächsten Labeling-Runde an Menschen gesendet und somit werden die Daten-Labeling-Kosten um bis zu 70 % gesenkt.

Arbeitskräfte auswählen

SageMaker Ground Truth bietet Möglichkeiten, mit internen und externen Kennzeichnern zu arbeiten. Mithilfe von SageMaker Ground Truth können Sie Labeling-Aufgaben einfach an Ihre eigenen Kennzeichner schicken und Sie haben außerdem Zugriff auf über 500 000 unabhängige Auftragnehmer, die bereits über Amazon Mechanical Turk im Bereich Machine Learning tätig sind. Wenn Ihre Daten vertraulich sind oder besondere Kenntnisse erfordern, können Sie auf Anbieter zurückgreifen, die von AWS im Voraus auf Qualität und Sicherheitsvorkehrungen überprüft wurden, z. B. iVision, CapeStart Inc., Cogito und iMerit.

Funktionsweise

Funktionsweise von Amazon SageMaker Ground Truth
Amazon SageMaker Ground Truth – Tutorial
Starten Sie mit einem Tutorial.

Erfahren Sie, wie Sie Amazon SageMaker Ground Truth verwenden, um einen hochpräzisen Trainingsdatensatz für die Bildklassifizierung zu erstellen.

Für ein kostenloses AWS-Konto registrieren
Für ein kostenloses Konto registrieren

Sie erhalten sofort Zugriff auf das kostenlose AWS-Kontingent. 

Beginnen Sie mit der Entwicklung in der Konsole
Beginnen Sie mit der Entwicklung in der Konsole

Beginnen Sie mit der Entwicklung mit Amazon SageMaker Ground Truth in der AWS-Managementkonsole.