Daten mit der Google Cloud Console mit Labels versehen

Für Text-, Bild- und Videodaten können Sie über die Google Cloud Console Daten mit und ohne Label importieren und Labels hinzufügen. Sie können vorhandene Labels auch löschen oder neue Labels hinzufügen.

Informationen zum Importieren Ihrer Daten finden Sie unter Trainingsübersicht auf der Seite Daten vorbereiten des Datentyps und des Ziels, mit denen Sie arbeiten. Fahren Sie mit der entsprechenden Seite Dataset erstellen für Ihren Datentyp und Ihr Ziel fort.

Nach dem Erstellen des Datasets und Importieren der Daten ohne Label befinden Sie sich im Modus Durchsuchen.

Labels hinzufügen

Für jeden Datentyp finden Sie eine Anleitung zum Hinzufügen von Labels bei Objekten.

Bild

Die Bilder, die Sie soeben in das Dataset importiert haben, sind wie erwartet ohne Label.

Klassifizierung

Wenn im Durchsuchen-Modus das Dataset mit den Bilder ohne Label ausgewählt ist, können Sie die hochgeladenen Bilder sehen.

1. Klicken Sie auf Neues Label hinzufügen und geben Sie das neue Label ein.
2. Klicken Sie auf Fertig.
   Wiederholen Sie diese Schritte für jedes Label, das Sie hinzufügen möchten.
3. Wählen Sie das Bild aus, das Sie mit einem Label versehen möchten.
   Die Liste der Labels wird angezeigt.
4. Wählen Sie das Label aus, das Sie mit dem Bild verknüpfen möchten.
5. Klicken Sie auf Speichern.

Klassifizierung

Wenn im Durchsuchen-Modus das Dataset mit den Bildern ohne Label ausgewählt ist, können Sie die hochgeladenen Bilder sehen.

1. Klicken Sie auf Neues Label hinzufügen und geben Sie das neue Label ein.
2. Klicken Sie auf Fertig.
   Wiederholen Sie diese Schritte für jedes Label, das Sie hinzufügen möchten.
3. Wählen Sie das Bild aus, das Sie mit einem Label versehen möchten.
   Die Liste der Labels wird angezeigt.
4. Wählen Sie das Label aus, das Sie mit dem Bild verknüpfen möchten.
5. Klicken Sie auf Speichern.
6. Die Labels, die auf die einzelnen Bilder angewendet werden, finden Sie im Tab Durchsuchen.

Objekterkennung

Wenn im Durchsuchen-Modus das Dataset mit den Bildern ohne Label ausgewählt ist, können Sie die hochgeladenen Bilder sehen.

1. Klicken Sie auf Neues Label hinzufügen und geben Sie das neue Label ein.
2. Klicken Sie auf Fertig.
   Wiederholen Sie diese Schritte für jedes Label, das Sie hinzufügen möchten.
3. Wählen Sie das Bild aus, das sie mit einem Label versehen möchten.
4. Die Liste der Labelobjekte wird angezeigt, falls vorhanden.
5. Klicken Sie im Fenster „Annotation hinzufügen” auf die Schaltfläche „Begrenzungsrahmen hinzufügen”, um dem Bild einen Objektbegrenzungsrahmen hinzuzufügen.
   
6. Nach dem Zeichnen eines Begrenzungsrahmens wird eine Liste von Labels angezeigt, die auf das Objekt angewendet werden können. Wählen Sie das entsprechende Label aus.
   
7. Nachdem Sie alle Labels und Begrenzungsrahmen hinzugefügt haben, klicken Sie auf Speichern, um die Annotationen des Bildes zu aktualisieren.
   

Text

Ab dem 15. September 2024 können Sie Ziele für Klassifizierung, Entitätsextraktion und Sentimentanalyse nur noch anpassen, wenn Sie zu Vertex AI Gemini-Prompts und -Feinabstimmung wechseln. Das Trainieren oder Aktualisieren von Modellen für Vertex AI AutoML for Text-Klassifizierung, Entitätsextraktion und Sentimentanalyseziele sind nicht mehr verfügbar. Sie können vorhandene Vertex AI AutoML Text-Modelle bis zum 15. Juni 2025 verwenden. Einen Vergleich zwischen AutoML Text und Gemini finden Sie unter Gemini für AutoML-Textnutzer. Weitere Informationen dazu, wie Gemini durch verbesserte Prompt-Funktionen eine verbesserte Nutzerfreundlichkeit bietet, finden Sie unter Einführung in die Feinabstimmung. Weitere Informationen finden Sie unter Modellabstimmung für Gemini-Textmodelle

.

Der Text, den Sie gerade in das Dataset importiert haben, kann mit einem Label versehen sein.

Klassifizierung mit einem einzigen Label

1. Klicken Sie auf den Text, der mit einem Label versehen werden soll.
2. Zum Hinzufügen eines neuen Labels klicken Sie auf Label hinzufügen.
3. Wählen Sie für ein Klassifizierungs-Dataset mit einem Label ein Label aus, das dem Text zugeordnet werden soll.
   Sie können auch Labels löschen.
4. Klicken Sie auf Speichern.

Klassifizierung mit mehreren Labels

1. Klicken Sie auf den Text, der mit einem Label versehen werden soll.
2. Zum Hinzufügen eines neuen Labels klicken Sie auf Label hinzufügen.
3. Wählen Sie für Klassifizierungs-Datasets mit mehreren Labels ein oder mehrere Labels aus, die dem Text zugeordnet werden sollen.
   Sie können auch Labels löschen.
4. Klicken Sie auf Speichern.

Entitätsextraktion

1. Klicken Sie auf den Text, der mit einem Label versehen werden soll.
2. Zum Hinzufügen eines neuen Labels klicken Sie auf Label hinzufügen.
3. Wählen Sie mindestens ein Wort aus, das Sie mit einem Label versehen möchten.
4. Wählen Sie ein Label aus, das dem ausgewählten Text zugeordnet werden soll.
5. Klicken Sie auf Speichern.

Sentimentanalyse

1. Klicken Sie auf den Text, der mit einem Label versehen werden soll.
2. Zum Hinzufügen eines neuen Labels klicken Sie auf Label hinzufügen.
3. Wählen Sie eine Punktzahl aus, die dem Text zugeordnet werden soll.
4. Klicken Sie auf Speichern.

Video

Die Videos, die Sie in den Datensatz importiert haben, sind wie erwartet nicht mit Labels versehen.

1. Um zu Ihrem neuen Dataset zu gehen, klicken Sie im Navigationsmenü auf „Datasets”.
   
2. Wählen Sie das Dataset aus, dem Sie Labels hinzufügen möchten.
   Dataset wird angezeigt.
   

Aktionserkennung

Wenn im Durchsuchen-Modus das Dataset mit den Videos ohne Label ausgewählt ist, sollten Sie Ihre Videos sehen.

1. Label(s) hinzufügen.
   
2. Wählen Sie ein Video aus und sehen Sie es an.
3. Wenn die Aktion erscheint, die Sie identifizieren möchten, gehen Sie langsam zu dieser Stelle, bis Sie den Mittelpunkt oder den repräsentativsten Moment der Aktion finden, indem Sie die Option „Nächster Frame" verwenden.
4. Klicken Sie auf Annotation hinzufügen.
   Die Liste der Labels wird angezeigt.
5. Wählen Sie das gewünschte Label für dieses Videosegment aus.
6. Klicken Sie auf Speichern.

Klassifizierung

Wenn das Dataset mit den Videos ohne Label ausgewählt ist, sollten Sie Ihre Videos sehen.

1. Labels hinzufügen.
   
2. Wählen Sie das Video aus, das sie mit einem Label versehen möchten. Das Video wird mit der Liste mit farbcodierten Labels unten angezeigt.
3. Gehen Sie zum Ausgangspunkt des Segments. Klicken Sie auf Segment hinzufügen.
   1. Wählen Sie ein Segment aus. Passen Sie an, um anzugeben, dass das Segment für das Training für Ihr bestimmtes Label verwendet werden soll:
      
   2. Wählen Sie ein Label aus. Sie können mehrere Labels für ein Segment auswählen.
      
   3. Klicken Sie auf Fertig und auf Speichern.
   4. Wiederholen Sie die Schritte, um demselben Video ein weiteres Label mit einem anderen Zeitsegment hinzuzufügen. Hier ist ein Beispiel, bei dem zwei weitere Labels hinzugefügt wurden:
      
4. Kehren Sie zur Wiederholung zur Liste Datasets zurück.

Objekt-Tracking

Wenn im Durchsuchen-Modus das Dataset mit den Videos ohne Label ausgewählt ist, sollten Sie Ihre Videos sehen.

1. Klicken Sie auf Label hinzufügen und fügen Sie die Labels hinzu, die Sie verwenden möchten, z. B. „Limousine“, „Pickup“, „SUV“ usw.
2. Klicken Sie auf Speichern. Wenn Sie später weitere Labels hinzufügen möchten, klicken Sie auf Neues Label hinzufügen und dann auf Speichern.
3. Wählen Sie ein Video aus und sehen Sie es an.
4. Wenn ein Objekt angezeigt wird, das Sie erfassen möchten,
   1. Halten Sie das Video an.
   2. Ziehen Sie einen Begrenzungsrahmen von der oberen linken Ecke nach unten rechts. Achten Sie darauf, den Rahmen so eng wie möglich um das Objekt zu ziehen.
      Eine Liste mit Labels wird rechts unten im Begrenzungsrahmen angezeigt.
   3. Wählen Sie das entsprechende Label aus.
      Hinweis: Sie können während dieses Vorgangs jederzeit weitere Labels hinzufügen. Achten Sie darauf, das hinzugefügte Label zu speichern, damit es in der Liste angezeigt wird.
   4. Klicken Sie auf Speichern.

Nächste Schritte

• AutoML-Modell mit der Google Cloud Console trainieren.

• AutoML Edge-Model mit der Google Cloud Console trainieren. (nur Bild und Video)

• AutoML-Modell mit der Vertex AI API trainieren

• AutoML Edge-Modelle mit der Vertex AI API trainieren. (nur Bild und Video)