Mengirimkan permintaan pelabelan gambar

Beta

Fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum dalam Persyaratan Khusus Layanan. Fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.

AI Platform Data Labeling Service mendukung enam jenis tugas pelabelan gambar:

• Klasifikasi, pemberi label menetapkan satu atau beberapa label ke setiap gambar.
• Kotak pembatas, tempat pemberi label memilih label, lalu gambar satu atau beberapa kotak pembatas untuk menerapkan label ke bagian gambar.
• Tugas kotak pembatas berorientasi, mirip dengan tugas kotak pembatas dengan kotak pembatasnya sejajar dengan sumbu x, sedangkan kotak pembatas berorientasi dapat berada di segala arah
• Poligon pembatas yang mirip dengan kotak pembatas, tempat pemberi label memilih label dan menggambar poligon tertutup untuk menerapkan label ke bagian gambar.
• Tugas polyline, mirip dengan kotak pembatas, tempat pemberi label memilih label dan menggambar polyline untuk menerapkan label ke bagian gambar. Polyline terdiri dari setidaknya dua titik yang terhubung secara menyeluruh oleh segmen garis.
• Tugas segmentasi, saat pemberi label membuat mask untuk setiap label. Output-nya adalah tabel pemetaan warna, yang memetakan label ke warna.

Tugas klasifikasi gambar

UI Web

1. Buka Data Labeling Service UI.

2. Pilih Datasets dari navigasi sebelah kiri.

   Halaman Datasets menampilkan status set data yang dibuat sebelumnya untuk project saat ini.

3. Klik nama {i>dataset<i} yang ingin Anda kirimkan untuk diberi label.

   Set data dengan status Impor selesai tersedia untuk dikirim. Kolom Jenis data menunjukkan apakah set data mencakup gambar, video, atau teks.

4. Di halaman Detail set data, klik tombol Buat tugas pelabelan di kolom judul.

5. Di halaman New labeling task, masukkan nama dan deskripsi untuk set data yang dianotasi.

   Set data yang dianotasi adalah versi set data ini setelah pemberi label manusia melabelinya.

6. Dari drop-down Objective, pilih jenis tugas pelabelan yang ingin Anda lakukan pada set data ini.

   Menu drop-down hanya menyertakan tujuan yang tersedia untuk jenis data dalam set data ini. Jika Anda tidak melihat tujuan yang diinginkan, mungkin berarti Anda telah memilih set data dengan jenis data yang berbeda di dalamnya. Tutup halaman New labeling task dan pilih set data yang berbeda.

7. Dari drop-down Label set, pilih kumpulan label yang Anda inginkan untuk diterapkan oleh pemberi label ke item data dalam kumpulan ini.

   Menu drop-down mencakup semua set label yang terkait dengan project ini. Anda harus memilih set label.

8. Dari drop-down Petunjuk, pilih petunjuk yang ingin Anda berikan kepada pemberi label yang bekerja dengan set data ini.

   Menu drop-down menyertakan semua instructions yang terkait dengan project ini. Anda harus menyertakan petunjuk dalam permintaan pelabelan.

9. Dari drop-down labeler per item data, tentukan jumlah pemberi label yang ingin Anda tinjau setiap item dalam set data.

   Defaultnya adalah satu, tetapi Anda dapat meminta tiga atau lima pemberi label untuk memberi label pada setiap item.

10. Centang kotak untuk mengonfirmasi bahwa Anda memahami biaya pelabelan yang akan dikenakan.

11. Klik Create.

Command line

Setel variabel lingkungan berikut:

1. PROJECT_ID ke project ID Google Cloud Anda.

2. DATASET_ID ke ID set data Anda, dari respons saat membuat set data. ID muncul di akhir nama set data lengkap:

   projects/PROJECT_ID/locations/us-central1/datasets/DATASET_ID

3. INSTRUCTION_RESOURCE_NAME ke nama resource petunjuk Anda.
4. ANNOTATION_SPEC_SET_RESOURCE_NAME ke nama resource kumpulan label Anda.

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}",
  },
}'

Anda akan melihat output yang mirip dengan berikut ini. Anda dapat menggunakan ID operasi untuk mendapatkan status tugas. Mendapatkan status operasi adalah contohnya.

{
  "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

Sebelum dapat menjalankan contoh kode ini, Anda harus menginstal Library Klien Python.

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

Sebelum dapat menjalankan contoh kode ini, Anda harus menginstal Library Klien Java.

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();
    }
  }
}

Kotak pembatas

UI Web

1. Buka Data Labeling Service UI.

2. Pilih Datasets dari navigasi sebelah kiri.

   Halaman Datasets menampilkan status set data yang dibuat sebelumnya untuk project saat ini.

3. Klik nama {i>dataset<i} yang ingin Anda kirimkan untuk diberi label.

   Set data dengan status Impor selesai tersedia untuk dikirim. Kolom Jenis data menunjukkan apakah set data mencakup gambar, video, atau teks.

4. Di halaman Detail set data, klik tombol Buat tugas pelabelan di kolom judul.

5. Di halaman New labeling task, masukkan nama dan deskripsi untuk set data yang dianotasi.

   Set data yang dianotasi adalah versi set data ini setelah pemberi label manusia melabelinya.

6. Dari drop-down Objective, pilih jenis tugas pelabelan yang ingin Anda lakukan pada set data ini.

   Menu drop-down hanya menyertakan tujuan yang tersedia untuk jenis data dalam set data ini. Jika Anda tidak melihat tujuan yang diinginkan, mungkin berarti Anda telah memilih set data dengan jenis data yang berbeda di dalamnya. Tutup halaman New labeling task dan pilih set data yang berbeda.

7. Dari drop-down Label set, pilih kumpulan label yang Anda inginkan untuk diterapkan oleh pemberi label ke item data dalam kumpulan ini.

   Menu drop-down mencakup semua set label yang terkait dengan project ini. Anda harus memilih set label.

8. Dari drop-down Petunjuk, pilih petunjuk yang ingin Anda berikan kepada pemberi label yang bekerja dengan set data ini.

   Menu drop-down menyertakan semua instructions yang terkait dengan project ini. Anda harus menyertakan petunjuk dalam permintaan pelabelan.

9. Dari drop-down labeler per item data, tentukan jumlah pemberi label yang ingin Anda tinjau setiap item dalam set data.

   Defaultnya adalah satu, tetapi Anda dapat meminta tiga atau lima pemberi label untuk memberi label pada setiap item.

10. Centang kotak untuk mengonfirmasi bahwa Anda memahami biaya pelabelan yang akan dikenakan.

11. Klik Create.

Command line

Setel variabel lingkungan berikut:

1. PROJECT_ID ke project ID Google Cloud Anda.

2. DATASET_ID ke ID set data Anda, dari respons saat membuat set data. ID muncul di akhir nama set data lengkap:

   projects/PROJECT_ID/locations/us-central1/datasets/DATASET_ID

3. INSTRUCTION_RESOURCE_NAME ke nama resource petunjuk Anda.
4. ANNOTATION_SPEC_SET_RESOURCE_NAME ke nama resource kumpulan label Anda.

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}",
  },
}'

Anda akan melihat output yang mirip dengan berikut ini. Anda dapat menggunakan ID operasi untuk mendapatkan status tugas. Mendapatkan status operasi adalah contohnya.

{
  "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"
  }
}