機械学習を使って写真に写っている猫を見分けてみよう！

さらに、下の図の矢印部分の「プライベート」の部分をクリックします。初めて Amazon SageMaker Ground Truth を使う場合は、「プライベートチームを作成」というボタンが表示されるので、クリックします。

「プライベートチームを作成」をクリックすると、図のようなプライベートチーム作成画面が表示されますので、以下の項目に適切な情報を入力します。

• チーム名：任意のわかりやすい名前 (本記事では cats と命名)
• ワーカーの追加：E メールによる新しいワーカーの招待
• E メールアドレス：ラベリングを依頼したい人の E メールアドレス (複数ある場合はカンマで区切る)
• 組織名：どの組織からのラベリング依頼なのかがわかるような名称
• 連絡先 E メール：ラベリングジョブの管理者となる人の E メールアドレス

Enable Notifications は、新しいラベリングジョブが作成された際にワーカーに E メールで通知したい場合に使用するオプションです。この機能を使用する場合は SNS トピックをあらかじめ作成しておき、ここで選択します。

すべての入力が終わったら、右下の「プライベートチームを作成」をクリックします。

すると図のように、今作成したプライベートチームが赤い矢印の部分に表示されます。

次は、ラベリングジョブを作っていきましょう。左側のメニューの青い矢印の先にある、「ラベリングジョブ」をクリックします。

ラベリングジョブ一覧画面が表示されたら、右上にある「ラベリングジョブの作成」をクリックします。

ラベリングジョブの作成画面が表示されました。以下の項目に適切な情報を入力します。

• ジョブ名：ラベリングジョブの名前
• Input data setup : 「Automated data setup」を選択します。
• S3 location for input datasets : テキストボックスに、ステップ 1 で画像をアップロードした S3 のパスを直接入力するか、右側の「Browse S3」ボタンをクリックして画像をアップロードしたフォルダを選択します。この記事の場合、入力データセットの場所に入力する S3 のパスは「s3://cat-image-classification/cats/」となります。
• S3 location for output datasets : どちらでも構いません。今回は「Same location as input dataset」を選択しました。
• Data type : 「Image」を選択します。

• IAM ロール：▼をクリックし、「Create a new role」を選択します。するとこのような画面が表示されるので、「任意の S3 バケット」を選択し、右下の「作成」をクリックします。

「Complete data setup」ボタンをクリックします。これにより manifest ファイルが作成されます。

• タスクの選択 : バスケットボールをしている人の画像が表示されている「ImageClassification (単一ラベル)」を選択 (今回は画像に猫が 1 匹のみ写っている想定なので、画像分類モデルを作成するために「ImageClassification (単一ラベル)」を選択しましたが、猫が複数写っている画像を使用する場合は「ImageClassification (マルチラベル)」を、物体検知モデルを作成したい場合は「境界ボックス」を選択します。)

すべての入力が終わったら、右下の「次へ」をクリックします。

すると、続いてワーカーとラベリングツールの設定画面が表示されます。以下の項目に適切な情報を入力します。

• ワーカータイプ：プライベート
• プライベートチーム：先ほど作成したチーム（本記事の場合、cats というチームを作ったので cats を選択）
• イメージ分類ラベリングツール：テキストボックスに、ワーカーが何をすれば良いかわかるように、わかりやすい説明を記入。
• ラベル (猫の画像の右側のテキストボックス)：ラベリングで使用するラベルを設定 (本記事ではミケとタマの 2 匹を分類したいので、mike と tama を設定)

すべての入力が終わったら、右下の「作成」をクリックします。

ラベリングジョブの作成が開始しました。

ラベリングジョブの作成が完了すると、ワーカーに図のようなメールが届きます。ワーカーは、赤い矢印の先にある URL をクリックして、ラベリングツールにアクセスします。このメールは、ラベリングを依頼した初回のみワーカーに届きますので、今後もラベリングを依頼する場合はメールを削除しないよう注意が必要です。

ワーカーがメールに記載された URL をクリックすると、図の左のようなサインイン画面が表示されます。メールに記載されたユーザ名と初期パスワードを入力してサインインします。初回のみ、パスワードの変更を求められますので、パスワードを変更します。

すると、図の右のようなワーカーのラベリングジョブ一覧画面が表示されます。ワーカーは、ラベリングしたいジョブを選択し、「Start working」をクリックします。

ブラウザに図のようなラベリングツールが表示されますので、表示された画像に対するラベルを右側のリストから選択し、右下の「Submit」をクリックします。すべての画像に対してラベリングが完了するまでラベリングを行います。

ラベリングが完了したら、結果を確認してみましょう。

図は、Amazon SageMaker Ground Truth のラベリングジョブ一覧画面です。ステータスが進行中から完了に変わっていることがわかります。ジョブ名をクリックします。

こちらは、ジョブの詳細画面です。

入力データセットの保存場所や、出力データセット (ラベリング結果) の保存場所を確認することができます。ここで、「出力データセットの場所」に書かれている URL をクリックします。すると、S3 のコンソールが表示されます。

ここでさらに、manifests フォルダ、output フォルダ、と潜っていくと、output.manifest というファイルが見つかります。こちらにラベリング結果が記録されています。