创建标签集

Beta 版

此功能须遵守服务专用条款的“通用服务条款”部分中的“非正式版产品条款”。 非正式版功能“按原样”提供，可能只能获得有限的支持。 如需了解详情，请参阅发布阶段说明。

标签集包含您希望人工标签添加者为您的图片添加的一组标签。举例来说，如果您想要对含有猫或狗的图片进行分类，则可以创建一个包含“Dog”和“Cat”这两个标签的标签集（实际上，您可能还需要使用表示“Neither”和“Both”的标签，如下所述）。 您的标签集最多可包含 100 个标签。

一个项目可以有多个标签集，每个标签集分别用于不同的数据标签服务请求。您可以获取可用的标签集列表，以及删除不再需要的标签集；如需了解详情，请参阅注释规范集资源页面。

设计优质标签集

以下是创建优质标签集的几项准则。

• 将每个标签的显示名设置为有意义的字词，例如“dog”“cat”或“building”。请勿使用“label1”和“label2”之类的抽象名称或冷僻的首字母缩写词。标签名称越有意义，人工标签添加者越容易准确应用标签名称并保持一致性。
• 确保标签易于彼此区分。对于将单个标签应用到每个数据项的分类任务，请尽量不要使用含义重叠的标签。
• 通常情况下，对于分类任务，最好包含名为“其他”或“无”的标签，以用于与其他标签不匹配的数据。例如，如果唯一可用的标签是“狗”和“猫”，则标签添加者必须使用这两个标签之一为每张图片加标签。如果自定义模型的训练数据中包含除狗或猫以外的图片，则该模型通常会更加完善。
• 请注意，为使标签添加者能够以最佳的效率准确地进行工作，建议您将标签集内的标签数量维持在 20 个以内。

创建标签集资源

网页界面

注意 ：数据标签服务界面中的“标签集”术语等同于 Data Labeling Service API 中的“注解规范集”术语。

1. 打开数据标签服务界面。

   标签集页面会显示之前为当前项目创建的标签集的状态。

   如需为其他项目添加标签集，请从标题栏右上角的下拉列表中选择项目。

2. 点击标题栏中的创建按钮。

3. 在创建标签集页面上，为标签集输入名称和描述。

4. 在标签部分中，为您希望人工标签添加者应用的每个标签输入名称和描述。

   为标签输入名称和描述后，点击添加标签为其他标签添加一行。您最多可以添加 100 个标签。

5. 点击创建以创建注释规范集。

   您会返回到标签集列表页面。

命令行

如需创建标签集资源，请以 JSON 格式列出所有标签，然后将其传递给数据标签服务。

以下示例会创建一个名为 code_sample_label_set 且含有两个标签的标签集。

保存新标签集的 "name"（来自响应），以用于其他操作（例如发送标签请求）。

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     -H "Content-Type: application/json" \
     https://datalabeling.googleapis.com/v1beta1/projects/"${PROJECT_ID}"/annotationSpecSets \
     -d '{
       "annotationSpecSet": {
           "displayName": "code_sample_label_set",
           "description": "code sample general label set",
           "annotationSpecs": [
               {
                   "displayName": "dog",
                   "description": "label dog",
               },
               {
                   "displayName": "cat",
                   "description": "label cat",
               }
           ],
       },
    }'

您将看到如下所示的输出：

{
  "name": "projects/data-labeling-codelab/annotationSpecSets/5c73db2d_0000_2f46_983d_001a114a5d7c",
  "displayName": "code_sample_label_set",
  "description": "code sample general label set",
  "annotationSpecs": [
    {
      "displayName": "dog",
      "description": "label dog"
    },
    {
      "displayName": "cat",
      "description": "label cat"
    }
  ]
}

Python

您必须先安装 Python 客户端库，然后才能运行此代码示例。

def create_annotation_spec_set(project_id):
    """Creates a data labeling annotation spec set for the given
    Google Cloud project.
    """
    from google.cloud import datalabeling_v1beta1 as datalabeling

    client = datalabeling.DataLabelingServiceClient()

    project_path = f"projects/{project_id}"

    annotation_spec_1 = datalabeling.AnnotationSpec(
        display_name="label_1", description="label_description_1"
    )

    annotation_spec_2 = datalabeling.AnnotationSpec(
        display_name="label_2", description="label_description_2"
    )

    annotation_spec_set = datalabeling.AnnotationSpecSet(
        display_name="YOUR_ANNOTATION_SPEC_SET_DISPLAY_NAME",
        description="YOUR_DESCRIPTION",
        annotation_specs=[annotation_spec_1, annotation_spec_2],
    )

    response = client.create_annotation_spec_set(
        request={"parent": project_path, "annotation_spec_set": annotation_spec_set}
    )

    # The format of the resource name:
    # project_id/{project_id}/annotationSpecSets/{annotationSpecSets_id}
    print(f"The annotation_spec_set resource name: {response.name}")
    print(f"Display name: {response.display_name}")
    print(f"Description: {response.description}")
    print("Annotation specs:")
    for annotation_spec in response.annotation_specs:
        print(f"\tDisplay name: {annotation_spec.display_name}")
        print(f"\tDescription: {annotation_spec.description}\n")

    return response

Java

必须先安装 Java 客户端库，然后才能运行此代码示例。

import com.google.cloud.datalabeling.v1beta1.AnnotationSpec;
import com.google.cloud.datalabeling.v1beta1.AnnotationSpecSet;
import com.google.cloud.datalabeling.v1beta1.CreateAnnotationSpecSetRequest;
import com.google.cloud.datalabeling.v1beta1.DataLabelingServiceClient;
import com.google.cloud.datalabeling.v1beta1.DataLabelingServiceSettings;
import com.google.cloud.datalabeling.v1beta1.ProjectName;
import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;

class CreateAnnotationSpecSet {

  // Create an annotation spec set.
  static void createAnnotationSpecSet(String projectId) throws IOException {
    // String projectId = "YOUR_PROJECT_ID";

    Map<String, String> annotationLabels = new HashMap<>();
    annotationLabels.put("label_1", "label_1_description");
    annotationLabels.put("label_2", "label_2_description");


    DataLabelingServiceSettings settings =
        DataLabelingServiceSettings.newBuilder()
            .build();
    try (DataLabelingServiceClient dataLabelingServiceClient =
        DataLabelingServiceClient.create(settings)) {
      ProjectName projectName = ProjectName.of(projectId);

      List<AnnotationSpec> annotationSpecs = new ArrayList<>();
      for (Entry<String, String> entry : annotationLabels.entrySet()) {
        AnnotationSpec annotationSpec =
            AnnotationSpec.newBuilder()
                .setDisplayName(entry.getKey())
                .setDescription(entry.getValue())
                .build();
        annotationSpecs.add(annotationSpec);
      }

      AnnotationSpecSet annotationSpecSet =
          AnnotationSpecSet.newBuilder()
              .setDisplayName("YOUR_ANNOTATION_SPEC_SET_DISPLAY_NAME")
              .setDescription("YOUR_DESCRIPTION")
              .addAllAnnotationSpecs(annotationSpecs)
              .build();

      CreateAnnotationSpecSetRequest request =
          CreateAnnotationSpecSetRequest.newBuilder()
              .setAnnotationSpecSet(annotationSpecSet)
              .setParent(projectName.toString())
              .build();

      AnnotationSpecSet result = dataLabelingServiceClient.createAnnotationSpecSet(request);

      System.out.format("Name: %s\n", result.getName());
      System.out.format("DisplayName: %s\n", result.getDisplayName());
      System.out.format("Description: %s\n", result.getDescription());
      System.out.format("Annotation Count: %d\n", result.getAnnotationSpecsCount());

      for (AnnotationSpec annotationSpec : result.getAnnotationSpecsList()) {
        System.out.format("\tDisplayName: %s\n", annotationSpec.getDisplayName());
        System.out.format("\tDescription: %s\n\n", annotationSpec.getDescription());
      }
    } catch (IOException e) {
      e.printStackTrace();
    }
  }
}

用于持续评估

创建评估作业时，您必须指定定义注释规范集的 CSV 文件：

• 对于模型在预测期间可能输出的每个标签，该文件必须有一行数据。
• 每行应为英文逗号分隔的一对数据，其中包含标签及其说明：LABEL_NAME,DESCRIPTION。
• 创建评估作业时，数据标签服务会使用该 CSV 文件的文件名作为它在后台创建的注释规范集的名称。

例如，如果您的模型是用来预测图片中含有的动物，您可以将以下规范写入名为 animals.csv 的文件：

bird,any animal in the class Aves - see https://en.wikipedia.org/wiki/Bird
cat,any animal in the species Felis catus (domestic cats, not wild cats) - see https://en.wikipedia.org/wiki/Cat
dog,any animal in the genus Canis (domestic dogs and close relatives) - see https://en.wikipedia.org/wiki/Canis
multiple,image contains more than one of the above
none,image contains none of the above

然后，您可以将此文件上传到持续评估作业所属的同一项目中的 Cloud Storage 存储分区。