准备图片训练数据以进行对象检测

本页面介绍了如何准备图片训练数据，以便在 Vertex AI 数据集中使用以训练图片对象检测模型。

以下目标部分包含有关数据要求、输入/输出架构文件以及架构定义的数据导入文件（JSON 行和 CSV）的信息。

对象检测

数据要求

常规图片要求
支持的文件类型
  • JPEG
  • PNG
  • GIF
  • BMP
  • ICO
图片类型

AutoML 模型针对真实物体的照片进行了优化。
训练图片文件大小 (MB) 大小上限为 30MB。
预测图片文件* 大小 (MB) 大小上限为 1.5MB。
图片大小（像素）

建议最大值为 1024×1024 像素。

对于大小超过 1024×1024 像素很多的图片，在 Vertex AI 的图片标准化过程中，图片质量可能会在一定程度上受损。
标签和边界框要求
以下要求适用于训练 AutoML 模型的数据集。
用于训练的标签实例

最少 10 个注释（实例）。
注释要求

对于每个标签，您必须至少拥有 10 张图片，每张图片至少具有 1 个注释（边界框和标签）。

不过，出于模型训练目的，建议您对每个标签使用约 1000 个注释。一般情况下，每个标签对应的图片越多，模型的表现就越好。
标签比例（最常见标签与最不常见标签的比例）：

如果最常见标签下的图片数量不超过最不常见标签下图片数量的 100 倍，则模型效果最佳。

出于模型性能考虑，我们建议您移除出现频率极低的标签。
边界框边长

至少为图片边长×0.01。例如，1000×900 像素的图片需要至少 10×9 像素的边界框。

边界框最小尺寸：8 x 8 像素。
以下要求适用于用于训练 AutoML 或自定义训练的模型的数据集。
每个不同图片的边界框数 最大值为 500。
从预测请求返回的边界框

默认值为 100，最大值为 500。
训练数据和数据集要求
以下要求适用于训练 AutoML 模型的数据集。
训练图片特征

训练数据应尽可能接近要对其执行预测的数据。

例如，如果您的使用场景涉及模糊的低分辨率图片（例如来自监控摄像头的图片），则训练数据应由模糊的低分辨率图片组成。一般来说，您还应该考虑为训练图片提供多种角度、分辨率和背景。

Vertex AI 模型通常不能预测人类无法分配的标签。因此，如果一个人经过训练，仍无法在观察图片 1-2 秒后分配标签，那么模型可能也无法通过训练达到此目的。
内部图片预处理

导入图片后，Vertex AI 会对数据执行预处理。预处理的图片是训练模型时使用的实际数据。

当图片的最小边缘大于 1024 像素时，便会进行图片预处理（尺寸调整）。如果图片的较小边大于 1024 像素，则较小的边会被缩小为 1024 像素。较长的侧边和指定的边界框按比例缩小为与较小边相同的量。因此，如果任何缩减的注释（边界框和标签）小于 8 像素 × 8 像素，则系统会将其移除。

边长小于 1024 像素的图片不符合预处理大小要求。
以下要求适用于用于训练 AutoML 或自定义训练的模型的数据集。
每个数据集中的图片数 最大值：150000
每个数据集中的注释边界框总数 最大值：1000000
每个数据集中的标签数 最小值：1；最大值：1000

YAML 架构文件

使用以下可公开访问的架构文件导入图片对象检测注解（边界框和标签）。此架构文件规定数据输入文件的格式。此文件的结构遵循 OpenAPI 架构。

gs://google-cloud-aiplatform/schema/dataset/ioformat/image_bounding_box_io_format_1.0.0.yaml

完整架构文件

title: ImageBoundingBox
description: >
  Import and export format for importing/exporting images together with bounding
  box annotations. Can be used in Dataset.import_schema_uri field.
type: object
required:
- imageGcsUri
properties:
  imageGcsUri:
    type: string
    description: >
      A Cloud Storage URI pointing to an image. Up to 30MB in size.
      Supported file mime types: `image/jpeg`, `image/gif`, `image/png`,
      `image/webp`, `image/bmp`, `image/tiff`, `image/vnd.microsoft.icon`.
  boundingBoxAnnotations:
    type: array
    description: Multiple bounding box Annotations on the image.
    items:
      type: object
      description: >
        Bounding box anntoation. `xMin`, `xMax`, `yMin`, and `yMax` are relative
        to the image size, and the point 0,0 is in the top left of the image.
      properties:
        displayName:
          type: string
          description: >
            It will be imported as/exported from AnnotationSpec's display name,
            i.e. the name of the label/class.
        xMin:
          description: The leftmost coordinate of the bounding box.
          type: number
          format: double
        xMax:
          description: The rightmost coordinate of the bounding box.
          type: number
          format: double
        yMin:
          description: The topmost coordinate of the bounding box.
          type: number
          format: double
        yMax:
          description: The bottommost coordinate of the bounding box.
          type: number
          format: double
        annotationResourceLabels:
          description: Resource labels on the Annotation.
          type: object
          additionalProperties:
            type: string
  dataItemResourceLabels:
    description: Resource labels on the DataItem.
    type: object
    additionalProperties:
      type: string

输入文件

JSON 行

每行上的 JSON 代码：



{
  "imageGcsUri": "gs://bucket/filename.ext",
  "boundingBoxAnnotations": [
    {
      "displayName": "OBJECT1_LABEL",
      "xMin": "X_MIN",
      "yMin": "Y_MIN",
      "xMax": "X_MAX",
      "yMax": "Y_MAX",
      "annotationResourceLabels": {
        "aiplatform.googleapis.com/annotation_set_name": "displayName",
        "env": "prod"
      }
    },
    {
      "displayName": "OBJECT2_LABEL",
      "xMin": "X_MIN",
      "yMin": "Y_MIN",
      "xMax": "X_MAX",
      "yMax": "Y_MAX"
    }
  ],
  "dataItemResourceLabels": {
    "aiplatform.googleapis.com/ml_use": "test/train/validation"
  }
}

字段说明：

  • imageGcsUri - 唯一的必填字段。
  • annotationResourceLabels - 可以包含任意数量的键值对字符串。系统保留的唯一键值对如下：
    • "aiplatform.googleapis.com/annotation_set_name" : "value"

    其中 value 是数据集中现有注释集的显示名之一。

  • dataItemResourceLabels - 可以包含任意数量的键值对字符串。下面是唯一的系统预留键值对，用于指定数据项的机器学习使用集：
    • "aiplatform.googleapis.com/ml_use" : "training/test/validation"

示例 JSON 行 - object_detection.jsonl：



{"imageGcsUri": "gs://bucket/filename1.jpeg", "boundingBoxAnnotations": [{"displayName": "Tomato", "xMin": "0.3", "yMin": "0.3", "xMax": "0.7", "yMax": "0.6"}], "dataItemResourceLabels": {"aiplatform.googleapis.com/ml_use": "test"}}
{"imageGcsUri": "gs://bucket/filename2.gif", "boundingBoxAnnotations": [{"displayName": "Tomato", "xMin": "0.8", "yMin": "0.2", "xMax": "1.0", "yMax": "0.4"},{"displayName": "Salad", "xMin": "0.0", "yMin": "0.0", "xMax": "1.0", "yMax": "1.0"}], "dataItemResourceLabels": {"aiplatform.googleapis.com/ml_use": "training"}}
{"imageGcsUri": "gs://bucket/filename3.png", "boundingBoxAnnotations": [{"displayName": "Baked goods", "xMin": "0.5", "yMin": "0.7", "xMax": "0.8", "yMax": "0.8"}], "dataItemResourceLabels": {"aiplatform.googleapis.com/ml_use": "training"}}
{"imageGcsUri": "gs://bucket/filename4.tiff", "boundingBoxAnnotations": [{"displayName": "Salad", "xMin": "0.1", "yMin": "0.2", "xMax": "0.8", "yMax": "0.9"}], "dataItemResourceLabels": {"aiplatform.googleapis.com/ml_use": "validation"}}
...

CSV

CSV 格式：

[ML_USE],GCS_FILE_PATH,[LABEL],[BOUNDING_BOX]*
 列的列表
  • ML_USE（可选）。在训练模型时用于拆分数据。使用训练、测试或验证。如需详细了解手动数据拆分，请参阅 AutoML 模型的数据拆分简介。
  • GCS_FILE_PATH - 此字段包含图片的 Cloud Storage URI。Cloud Storage URI 区分大小写。
  • LABEL（可选） - 标签必须以字母开头，且只能包含字母、数字和下划线。
  • BOUNDING_BOX。图片中对象的边界框。指定边界框涉及多个列。
    bounding_box
    A。X_MIN,Y_MIN
    B。X_MAX,Y_MIN
    C。X_MAX,Y_MAX
    D。X_MIN,Y_MAX

    每个顶点由 x、y 坐标值指定。坐标是标准化浮点值 [0,1]; 0.0 表示 X_MIN 或 Y_MIN，1.0 为 X_MAX 或 Y_MAX。

    例如，整个图片的边界框表示为 (0.0,0.0,,,1.0,1.0,,) 或 (0.0,0.0,1.0,0.0,1.0,1.0,0.0,1.0)。

    可以通过以下两种方式之一指定对象的边界框：

    1. 两个矩形（两组 x,y 坐标），它们是矩形的对角点。
      A。X_MIN,Y_MIN
      C。X_MAX,Y_MAX
      （如下例所示）：
      A、C、
      X_MIN,Y_MIN,,,X_MAX,Y_MAX,,
    2. 指定全部四个顶点，如下所示：
      X_MIN,Y_MIN,X_MAX,Y_MIN, X_MAX,Y_MAX,X_MIN,Y_MAX,
      如果指定的四个顶点未形成与图片边缘平行的矩形，Vertex AI 会指定可形成此类矩形的顶点。

CSV 示例 - object_detection.csv：

test,gs://bucket/filename1.jpeg,Tomato,0.3,0.3,,,0.7,0.6,,
training,gs://bucket/filename2.gif,Tomato,0.8,0.2,,,1.0,0.4,,
gs://bucket/filename2.gif
gs://bucket/filename3.png,Baked goods,0.5,0.7,0.8,0.7,0.8,0.8,0.5,0.8
validation,gs://bucket/filename4.tiff,Salad,0.1,0.2,,,0.8,0.9,,
...
下一页
创建数据集