此旧版 AI Platform Data Labeling 已弃用，2024 年 1 月 23 日之后将不再在 Google Cloud 上提供。旧版 AI Platform Data Labeling 的所有功能以及新功能均在 Vertex AI 平台上提供。请参阅迁移到 Vertex AI，了解如何迁移资源。

此页面由 Cloud Translation API 翻译。

提交图片标签请求

AI Platform Data Labeling Service 支持六种类型的图片标签任务：

分类任务：标签添加者为每张图片分配一个或多个标签。
边界框任务：标签添加者选择标签，然后绘制一个或多个边界框，将该标签应用于图片中的特定部分。
定向边界框任务 - 与边界框任务（其中边界框与 x 轴对齐）类似，但定向边界框可以朝向任何方向。
边界多边形任务：与边界框任务类似，标签添加者选择标签，然后绘制闭合多边形，将该标签应用于图片中的特定部分。
折线任务 - 与边界框任务类似，标签添加者选择标签并绘制折线，将该标签应用到图片中的特定部分。一条折线由一系列（至少两个）点组成，这些点按线段首尾相连。
分割任务：标签添加者为每个标签生成遮罩。输出为颜色映射表，其中包含标签与颜色的映射关系。

图片分类任务

网页界面

打开数据标签服务界面。
从左侧导航栏中选择数据集。

数据集页面会显示之前为当前项目创建的数据集的状态。
点击要提交以便加标签的数据集的名称。

状态为“导入完成”的数据集可供提交。数据类型列显示数据集包含的是图片、视频还是文本。
在数据集详情页面上，点击标题栏中的创建标签任务按钮。
在新建标签任务页面上，为带有注释的数据集输入名称和描述。

带有注释的数据集是人工标签添加者为数据集加了标签以后的版本。
从目标下拉列表中，选择要对此数据集执行的标签任务类型。

该下拉列表仅包含可用于此数据集中数据类型的目标。如果您没有看到所需的目标，则可能是因为您选择了包含其他类型数据的数据集。请关闭新建标签任务页面，然后选择其他数据集。
从标签集下拉列表中，选择您希望标签添加者将其应用到此数据集所含数据项的标签集。

该下拉列表包含与此项目关联的所有标签集。您必须选择一个标签集。
从说明下拉列表中，选择要向处理此数据集的标签添加者提供的说明。

该下拉列表包含与此项目关联的所有说明。您必须在标签请求中添加说明。
从处理每个数据项的标签添加者数下拉列表中，指定要查看该数据集中每一项的标签添加者数。

默认值为一位，但您可以请求安排三位或五位标签添加者为每一项加标签。
点击复选框，以确认您了解系统会通过何种方式向您收取标签服务费用。
点击创建。

命令行

设置以下环境变量：

将 PROJECT_ID 变量设置为您的 Google Cloud 项目 ID。
将 DATASET_ID 变量设置为您的数据集 ID（来自创建数据集时的响应）。该 ID 显示在完整数据集名称的末尾：
```
projects/PROJECT_ID/locations/us-central1/datasets/DATASET_ID
```
将 INSTRUCTION_RESOURCE_NAME 设置为说明资源的名称。
将 ANNOTATION_SPEC_SET_RESOURCE_NAME 设置为标签集资源的名称。

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}/datasets/${DATASET_ID}/image:label \
  -d '{
  "basicConfig": {
    "instruction": "${INSTRUCTION_RESOURCE_NAME}",
    "annotatedDatasetDisplayName": "curl_testing_annotated_dataset",
    "labelGroup": "test_label_group",
    "replica_count": 1
  },
  "feature": "TEXT_CLASSIFICATION",
  "imageClassificationConfig": {
    "annotationSpecSet": "${ANNOTATION_SPEC_SET_RESOURCE_NAME}",
  },
}'

您应该会看到类似如下所示的输出。可以使用操作 ID 来获取任务的状态。如需示例，请参阅获取操作状态。

{
  "name": "projects/data-labeling-codelab/operations/5c73dd6b_0000_2b34_a920_883d24fa2064",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.data-labeling.v1beta1.LabelImageClassificationOperationMetadata",
    "dataset": "projects/data-labeling-codelab/datasets/5c73db3d_0000_23e0_a25b_94eb2c119c4c"
  }
}

Python

您必须先安装 Python 客户端库，然后才能运行此代码示例。

def label_image(
    dataset_resource_name, instruction_resource_name, annotation_spec_set_resource_name
):
    """Labels an image dataset."""
    from google.cloud import datalabeling_v1beta1 as datalabeling

    client = datalabeling.DataLabelingServiceClient()

    basic_config = datalabeling.HumanAnnotationConfig(
        instruction=instruction_resource_name,
        annotated_dataset_display_name="YOUR_ANNOTATED_DATASET_DISPLAY_NAME",
        label_group="YOUR_LABEL_GROUP",
        replica_count=1,
    )

    feature = datalabeling.LabelImageRequest.Feature.CLASSIFICATION

    # annotation_spec_set_resource_name needs to be created beforehand.
    # See the examples in the following:
    # https://cloud.google.com/ai-platform/data-labeling/docs/label-sets
    config = datalabeling.ImageClassificationConfig(
        annotation_spec_set=annotation_spec_set_resource_name,
        allow_multi_label=False,
        answer_aggregation_type=datalabeling.StringAggregationType.MAJORITY_VOTE,
    )

    response = client.label_image(
        request={
            "parent": dataset_resource_name,
            "basic_config": basic_config,
            "feature": feature,
            "image_classification_config": config,
        }
    )

    print(f"Label_image operation name: {response.operation.name}")
    return response

Java

在运行此代码示例之前，您必须先安装 Java 客户端库。

import com.google.api.gax.longrunning.OperationFuture;
import com.google.cloud.datalabeling.v1beta1.AnnotatedDataset;
import com.google.cloud.datalabeling.v1beta1.DataLabelingServiceClient;
import com.google.cloud.datalabeling.v1beta1.DataLabelingServiceSettings;
import com.google.cloud.datalabeling.v1beta1.HumanAnnotationConfig;
import com.google.cloud.datalabeling.v1beta1.ImageClassificationConfig;
import com.google.cloud.datalabeling.v1beta1.LabelImageRequest;
import com.google.cloud.datalabeling.v1beta1.LabelImageRequest.Feature;
import com.google.cloud.datalabeling.v1beta1.LabelOperationMetadata;
import com.google.cloud.datalabeling.v1beta1.StringAggregationType;
import java.io.IOException;
import java.util.concurrent.ExecutionException;

class LabelImage {

  // Start an Image Labeling Task
  static void labelImage(
      String formattedInstructionName,
      String formattedAnnotationSpecSetName,
      String formattedDatasetName)
      throws IOException {
    // String formattedInstructionName = DataLabelingServiceClient.formatInstructionName(
    //      "YOUR_PROJECT_ID", "YOUR_INSTRUCTION_UUID");
    // String formattedAnnotationSpecSetName =
    //     DataLabelingServiceClient.formatAnnotationSpecSetName(
    //         "YOUR_PROJECT_ID", "YOUR_ANNOTATION_SPEC_SET_UUID");
    // String formattedDatasetName = DataLabelingServiceClient.formatDatasetName(
    //      "YOUR_PROJECT_ID", "YOUR_DATASET_UUID");


    DataLabelingServiceSettings settings =
        DataLabelingServiceSettings.newBuilder()
            .build();
    try (DataLabelingServiceClient dataLabelingServiceClient =
        DataLabelingServiceClient.create(settings)) {
      HumanAnnotationConfig humanAnnotationConfig =
          HumanAnnotationConfig.newBuilder()
              .setAnnotatedDatasetDisplayName("annotated_displayname")
              .setAnnotatedDatasetDescription("annotated_description")
              .setInstruction(formattedInstructionName)
              .build();

      ImageClassificationConfig imageClassificationConfig =
          ImageClassificationConfig.newBuilder()
              .setAllowMultiLabel(true)
              .setAnswerAggregationType(StringAggregationType.MAJORITY_VOTE)
              .setAnnotationSpecSet(formattedAnnotationSpecSetName)
              .build();

      LabelImageRequest labelImageRequest =
          LabelImageRequest.newBuilder()
              .setParent(formattedDatasetName)
              .setBasicConfig(humanAnnotationConfig)
              .setImageClassificationConfig(imageClassificationConfig)
              .setFeature(Feature.CLASSIFICATION)
              .build();

      OperationFuture<AnnotatedDataset, LabelOperationMetadata> operation =
          dataLabelingServiceClient.labelImageAsync(labelImageRequest);

      // You'll want to save this for later to retrieve your completed operation.
      System.out.format("Operation Name: %s\n", operation.getName());

      // Cancel the operation to avoid charges when testing.
      dataLabelingServiceClient.getOperationsClient().cancelOperation(operation.getName());

    } catch (IOException | InterruptedException | ExecutionException e) {
      e.printStackTrace();
    }
  }
}

边界框

网页界面

打开数据标签服务界面。
从左侧导航栏中选择数据集。

数据集页面会显示之前为当前项目创建的数据集的状态。
点击要提交以便加标签的数据集的名称。

状态为“导入完成”的数据集可供提交。数据类型列显示数据集包含的是图片、视频还是文本。
在数据集详情页面上，点击标题栏中的创建标签任务按钮。
在新建标签任务页面上，为带有注释的数据集输入名称和描述。

带有注释的数据集是人工标签添加者为数据集加了标签以后的版本。
从目标下拉列表中，选择要对此数据集执行的标签任务类型。

该下拉列表仅包含可用于此数据集中数据类型的目标。如果您没有看到所需的目标，则可能是因为您选择了包含其他类型数据的数据集。请关闭新建标签任务页面，然后选择其他数据集。
从标签集下拉列表中，选择您希望标签添加者将其应用到此数据集所含数据项的标签集。

该下拉列表包含与此项目关联的所有标签集。您必须选择一个标签集。
从说明下拉列表中，选择要向处理此数据集的标签添加者提供的说明。

该下拉列表包含与此项目关联的所有说明。您必须在标签请求中添加说明。
从处理每个数据项的标签添加者数下拉列表中，指定要查看该数据集中每一项的标签添加者数。

默认值为一位，但您可以请求安排三位或五位标签添加者为每一项加标签。
点击复选框，以确认您了解系统会通过何种方式向您收取标签服务费用。
点击创建。

命令行

设置以下环境变量：

将 PROJECT_ID 变量设置为您的 Google Cloud 项目 ID。
将 DATASET_ID 变量设置为您的数据集 ID（来自创建数据集时的响应）。该 ID 显示在完整数据集名称的末尾：
```
projects/PROJECT_ID/locations/us-central1/datasets/DATASET_ID
```
将 INSTRUCTION_RESOURCE_NAME 设置为说明资源的名称。
将 ANNOTATION_SPEC_SET_RESOURCE_NAME 设置为标签集资源的名称。

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}/datasets/${DATASET_ID}/image:label \
  -d '{
  "basicConfig": {
    "instruction": "${INSTRUCTION_RESOURCE_NAME}",
    "annotatedDatasetDisplayName": "curl_testing_annotated_dataset",
    "labelGroup": "test_label_group",
    "replica_count": 1
  },
  "feature": "BOUNDING_BOX",
  "boundingPolyConfig": {
    "annotationSpecSet": "${ANNOTATION_SPEC_SET_RESOURCE_NAME}",
  },
}'

您应该会看到类似如下所示的输出。可以使用操作 ID 来获取任务的状态。如需示例，请参阅获取操作状态。

{
  "name": "projects/data-labeling-codelab/operations/5c73dd6b_0000_2b34_a920_883d24fa2064",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.data-labeling.v1beta1.LabelImageBoundingBoxOperationMetadata",
    "dataset": "projects/data-labeling-codelab/datasets/5c73db3d_0000_23e0_a25b_94eb2c119c4c"
  }
}