3D 點雲

一般最常使用光學雷達 (LIDAR) 裝置擷取三維 (3D) 點雲,以產生單一時間點的實體空間 3D 理解。SageMaker Ground Truth 支援 3D 點雲資料的內建標記工作流程,包括物件偵測、物件追蹤和語義分割。

物件偵測

透過物件偵測工作流程,您可以識別和標記 3D 點雲內的相關物件。例如,在自動駕駛汽車使用案例中,您可以準確地標記車輛、車道和行人。

Amazon SageMaker Ground Truth 物件偵測

物件追蹤

透過物件追蹤工作流程,您可以追蹤相關物件的軌跡。例如,自動駕駛汽車需要追蹤其他車輛、車道和行人的動作。Ground Truth 讓您透過一系列的 3D 點雲資料追蹤這些物件的軌跡。

Amazon SageMaker Ground Truth 物件追蹤

語義分割

透過語義分割工作流程,您可以將 3D 點雲的多個點劃分為不同的預先指定類別。以自動駕駛汽車為例,Ground Truth 可以針對街道、樹葉和建築物進行分類。

Amazon SageMaker Ground Truth 語義分割

影片

SageMaker Ground Truth 透過內建工作流程支援常見的影片標記使用案例,包括影片物件偵測、影片物件追蹤和影片剪輯分類。

影片物件偵測

透過影片物件偵測工作流程,您可以識別一系列影片畫面內的相關物件。 例如,在為自動駕駛汽車建置感知系統時,您可以在場景偵測車輛周圍的其他車輛。

Amazon SageMaker Ground Truth 影片物件偵測

影片物件追蹤

透過影片物件追蹤工作流程,您可以追蹤一系列影片畫面中的相關物件。例如,在體育遊戲使用案例中,您可以在整個遊戲過程中準確地標記玩家。

Amazon SageMaker Ground Truth 影片物件追蹤

影片剪輯分類

透過影片剪輯分類工作流程,您可以將影片檔案分類為預先指定的類別。例如,您可以選取最準確描述影片的預先指定類別,例如體育轉播或繁忙路口的交通擁堵。

Amazon SageMaker Ground Truth 影片剪輯分類

影像

SageMaker Ground Truth 為您的影像資料提供內建標記工作流程,包括影像分類、物件偵測和語義分割。

影像分類

影像分類是根據真實世界呈現的樣貌識別影像的程序。此程序根據一組預先定義的標籤對影像進行分類。影像分類很適合用於需要考量完整影像脈絡的場景偵測模型。例如,我們可以針對自動駕駛汽車建立影像分類模型,以偵測各種真實世界的物件,例如其他車輛、行人、交通號誌和標誌。

Amazon SageMaker Ground Truth 影像分類

物件偵測

您可以使用物件偵測工作流程識別和標記影像中的相關物件 (例如車輛、行人、狗、貓)。標記任務包含在影像中的相關物件周圍繪製二維 (2D) 週框方塊。透過標記的週框方塊從影像訓練而來的電腦視覺模型會學習該方塊內對應到指定物件的像素。

Amazon SageMaker Ground Truth 物件偵測

語義分割

您可以使用語義分割工作流程標記出影像完全符合的部分,即對應到模型需要學習的標籤。因為標記了個別像素,所以能夠提供非常精準的訓練資料。例如,透過語義分割可以準確地擷取影像中不規則的車輛形狀。

Amazon SageMaker Ground Truth 語義分割

文字

SageMaker Ground Truth 為您的文字資料提供內建標記工作流程,包含文字分類和命名實體辨識。

文字分類

文字分類根據一組預先定義的標籤對文字字串進行分類。將文字分類成不同的標籤通常用於自然語言處理 (NLP) 模型,以識別主題 (如產品描述、電影評論) 或情緒等項目。

Amazon SageMaker Ground Truth 文字分類

命名實體辨識

命名實體 (NER) 包含仔細檢查文字資料以找出稱為命名實體的片語,以及使用標籤 (例如「人員」、「組織」或「品牌」) 對每個片語進行分類。 因此,在「我最近訂閱了 Amazon Prime」的陳述式中,“Amazon Prime” 就是命名實體,可以歸類為「品牌」。

Amazon SageMaker Ground Truth 命名實體辨識

自訂工作流程

您可以在 Ground Truth 建立自己的標記工作流程。自訂工作流程包含三個元件:(1) UI 範本,該範本為標籤人員提供完成標記任務所需的所有指示和工具,(2) 封裝在 AWS Lambda 函數中的任何預處理邏輯,以及 (3) 封裝在 AWS Lambda 函數中的任何後處理邏輯。您可以選擇多種 UI 範本,也可以上傳自己的 Javascript/HTML 範本。預處理 Lambda 函數可供要標記的資料使用以及為標籤人員新增任何其他內容,而後處理 Lambda 函數可用於插入準確性改善演算法。該演算法可評估人工註釋的品質,也可以在相同資料提供給多個標籤人員時找出對「正確」的共識。您可以使用 SageMaker Ground Truth 主控台上傳這三個元件。

在 Ground Truth 建立您的自訂工作流程

人力

SageMaker Ground Truth 支援多種人力標記資料的選項,(1) 您自己的員工,(2) 透過 AWS Marketplace 提供的第三方資料標記服務供應商,以及 (3) 透過 Amazon Mechanical Turk 進行群眾外包人力。

Mechanical Turk
Mechanical Turk
私有
私有
廠商
廠商
Amazon SageMaker Ground Truth 定價
進一步了解 Amazon SageMaker Ground Truth 定價

開始使用 Amazon SageMaker Ground Truth,沒有前期承諾,也不用簽訂長期合約。

進一步了解 
註冊 AWS 帳戶
註冊免費帳戶

立即存取 AWS 免費方案 

註冊 
開始在主控台進行建置
開始在主控台進行建置

利用 AWS 管理主控台中的 Amazon SageMaker Ground Truth 開始建置。

登入