Questa pagina descrive come preparare i dati di addestramento video da utilizzare in un set di dati Vertex AI per addestrare un modello di riconoscimento di azioni video.
Le sezioni seguenti forniscono informazioni sui requisiti dei dati, file di schema e il formato dei file di importazione dati (JSONL e CSV) definita dallo schema.
In alternativa, puoi importare i video che non sono stati annotati e e annotarle in un secondo momento utilizzando la console Google Cloud. (consulta Etichettatura mediante la console Google Cloud).
Requisiti dei dati
I seguenti requisiti si applicano ai set di dati utilizzati per addestrare AutoML o modelli con addestramento personalizzato.
Vertex AI supporta i seguenti formati video per l'addestramento il modello o richiedere una previsione (annotazione di un video).
- .MOV
- .MPEG4
- .MP4
- .AVI
Per visualizzare i contenuti video nella console web o per annotare un video, il video devono essere in un formato supportato in modo nativo dal browser. Poiché non tutti i browser gestiscono i contenuti .MOV o .AVI in modo nativo, i è consigliabile utilizzare il formato video .MPEG4 o .MP4.
La dimensione massima del file è 50 GB (fino a 3 ore di durata). I singoli file video con timestamp non validi o vuoti nel contenitore non sono supportati.
Il numero massimo di etichette in ogni set di dati è limitato a 1000.
Puoi assegnare "ML_USE" ai video nei file di importazione. Al momento dell'addestramento, puoi scegliere di utilizzare queste etichette per suddividere i video e le relative annotazioni in set di "addestramento" o "test". Per l'azione riconoscimento, c'è una limitazione quando si usa la console di etichettatura VAR Ciò significa che se vuoi utilizzare lo strumento di etichettatura per etichettare le azioni, devono etichettare tutte le azioni in quel video.
Best practice per i dati video utilizzati per addestrare i modelli AutoML
Le seguenti pratiche si applicano ai set di dati utilizzati per addestrare i modelli AutoML.
I dati di addestramento devono essere il più possibile simili ai dati su cui è necessario fare previsioni. Ad esempio, se il tuo caso d'uso prevede video sfocati e a bassa risoluzione (ad esempio quelli di una videocamera di sicurezza), i dati di addestramento devono essere costituiti da video sfocati e a bassa risoluzione. In generale, ti consigliamo anche di fornire più angolazioni, risoluzioni e sfondi per i tuoi video di formazione.
In genere, i modelli Vertex AI non possono prevedere etichette che gli esseri umani non possono assegnare. Se non è possibile addestrare una persona ad assegnare etichette guardando il video per 1-2 secondi, probabilmente non è possibile addestrare neanche il modello a farlo.
Il modello funziona al meglio quando ci sono al massimo 100 volte più video per l'etichetta più comune rispetto a quella meno comune. Ti consigliamo di rimuoverla etichette di bassa frequenza. Per il riconoscimento delle azioni, tieni presente quanto segue:
- Si consigliano almeno 100 frame video di addestramento per etichetta.
- Per la risoluzione del frame video molto più grande di 1024 pixel per 1024 pixel, una certa qualità dell'immagine potrebbe andare persa durante il processo di normalizzazione dei frame utilizzato da Vertex AI.
File di schema
Utilizza il seguente file di schema accessibile pubblicamente durante la creazione dell'elemento jsonl per l'importazione delle annotazioni. Questo file di schema indica il formato i file di input dei dati. La struttura del file segue il test dello schema OpenAPI.
File dello schema di riconoscimento delle azioni:
gs://google-cloud-aiplatform/schema/dataset/ioformat/video_action_recognition_io_format_1.0.0.yaml
File di schema completo
title: VideoActionRecognition description: > Import and export format for importing/exporting videos together with action recognition annotations with time segment. Can be used in Dataset.import_schema_uri field. type: object required: - videoGcsUri properties: videoGcsUri: type: string description: > A Cloud Storage URI pointing to a video. Up to 50 GB in size and up to 3 hours in duration. Supported file mime types: `video/mp4`, `video/avi`, `video/quicktime`. timeSegments: type: array description: Multiple fully-labeled segments. items: type: object description: A time period inside the video. properties: startTime: type: string description: > The start of the time segment. Expressed as a number of seconds as measured from the start of the video, with "s" appended at the end. Fractions are allowed, up to a microsecond precision. default: 0s endTime: type: string description: > The end of the time segment. Expressed as a number of seconds as measured from the start of the video, with "s" appended at the end. Fractions are allowed, up to a microsecond precision, and "Infinity" is allowed, which corresponds to the end of the video. default: Infinity timeSegmentAnnotations: type: array description: > Multiple action recognition annotations. Each on a time segment of the video. items: type: object description: Annotation with a time segment on media (e.g., video). properties: displayName: type: string description: > It will be imported as/exported from AnnotationSpec's display name. startTime: type: string description: > The start of the time segment. Expressed as a number of seconds as measured from the start of the video, with "s" appended at the end. Fractions are allowed, up to a microsecond precision. default: 0s endTime: type: string description: > The end of the time segment. Expressed as a number of seconds as measured from the start of the video, with "s" appended at the end. Fractions are allowed, up to a microsecond precision, and "Infinity" is allowed, which means the end of the video. default: Infinity annotationResourceLabels: description: Resource labels on the Annotation. type: object additionalProperties: type: string dataItemResourceLabels: description: Resource labels on the DataItem. Overrides values set in ImportDataConfig at import time. Can set a user-defined label or the predefined `aiplatform.googleapis.com/ml_use` label, which is used to determine the data split and can be set to `training` and `test`. type: object additionalProperties: type: string
File di input
Di seguito è riportato il formato dei dati di addestramento per il riconoscimento delle azioni video.
Per importare i dati, crea un file JSONL o CSV.
JSONL
JSON su ogni riga:
Per maggiori dettagli, consulta il file YAML di riconoscimento di azioni.
Nota: i segmenti di tempo qui vengono utilizzati per calcolare i timestamp
delle azioni. startTime e endTime di
timeSegmentAnnotations può
essere uguale e corrisponde al frame chiave dell'azione.
{
"videoGcsUri': "gs://bucket/filename.ext",
"timeSegments": [{
"startTime": "start_time_of_fully_annotated_segment",
"endTime": "end_time_of_segment"}],
"timeSegmentAnnotations": [{
"displayName": "LABEL",
"startTime": "start_time_of_segment",
"endTime": "end_time_of_segment"
}],
"dataItemResourceLabels": {
"ml_use": "train|test"
}
}Esempio di JSONL - Riconoscimento delle azioni video:
{"videoGcsUri": "gs://demo/video1.mp4", "timeSegmentAnnotations": [{"displayName": "cartwheel", "startTime": "1.0s", "endTime": "12.0s"}], "dataItemResourceLabels": {"ml_use": "training"}}
{"videoGcsUri": "gs://demo/video2.mp4", "timeSegmentAnnotations": [{"displayName": "swing", "startTime": "4.0s", "endTime": "9.0s"}], "dataItemResourceLabels": {"ml_use": "test"}}
...CSV
Elenco di colonne- Dati di convalida. (Facoltativo)
TRAINING,TESTspecifica. - I contenuti da classificare o annotare. Questo campo contiene l'URI Cloud Storage del video. Gli URI Cloud Storage sensibile alle maiuscole.
- Un'etichetta che identifica il modo in cui il video viene classificato. Le etichette devono iniziare con una lettera e contenere solo lettere, numeri e trattini bassi. Puoi specificare più etichette per un video aggiungendo più righe nel file CSV che identificano ciascuno lo stesso segmento video, con un'etichetta diversa per ogni riga.
- Ora di inizio e di fine del segmento video. Questi due campi,
separati da virgole, identificano l'ora di inizio e di fine del segmento di video da analizzare, in secondi. L'ora di inizio deve essere inferiore alla fine
nel tempo. Entrambi i valori devono essere non negativi e rientrare nell'intervallo di tempo del
video. Ad esempio,
0.09845,1.3600555, dove la prima (0,09845) è l'ora di inizio, mentre il secondo valore (1,3600555) l'ora di fine del segmento video che vuoi etichettare. Per utilizzare l'intero contenuto del video, specifica un'ora di inizio pari a0e un'ora di fine pari alla durata completa del video o "inf". Ad esempio:0,inf. - Annotazione. L'annotazione è un'etichetta con il timestamp del frame o il segmento di tempo.
Ogni riga deve essere una delle seguenti:
VIDEO_URI, TIME_SEGMENT_START, TIME_SEGMENT_END, LABEL, ANNOTATION_FRAME_TIMESTAMP
VIDEO_URI, , , LABEL, ANNOTATION_FRAME_TIMESTAMP
VIDEO_URI, TIME_SEGMENT_START, TIME_SEGMENT_END, LABEL, ANNOTATION_SEGMENT_START, ANNOTATION_SEGMENT_END
VIDEO_URI, , , LABEL, ANNOTATION_SEGMENT_START, ANNOTATION_SEGMENT_END
Alcuni esempi
Etichetta due azioni in momenti diversi:
gs://folder/video1.avi,kick,12.90,,
gs://folder/video1.avi,catch,19.65,,
Non sono presenti azioni di interesse nei due intervalli di tempo. Nota: l'ultima riga indica che il segmento con tutte le etichette non può contenere azioni.
gs://folder/video1.avi,,,10.0,20.0
gs://folder/video1.avi,,,25.0,40.0
I dati di addestramento devono avere almeno un'etichetta e una completamente etichettata in base al segmento.
Anche in questo caso, non è necessario specificare i dati di convalida per verificare i risultati del modello addestrato. Vertex AI suddivide automaticamente le righe identificate per l'addestramento in dati di addestramento e convalida. l'80% per l'addestramento e il 20% per la convalida.
Salva i contenuti come file CSV nel bucket Cloud Storage.