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 seguenti sezioni forniscono informazioni sui requisiti dei dati, sui file di schema e sul formato dei file di importazione dati (JSONL e CSV) definiti dallo schema.
In alternativa, puoi importare i video che non sono stati annotati e annotarli in un secondo momento utilizzando la console Google Cloud (vedi Etichettatura mediante la console Google Cloud).
Requisiti dei dati
I seguenti requisiti si applicano ai set di dati utilizzati per addestrare AutoML o a modelli con addestramento personalizzato.
Vertex AI supporta i seguenti formati video per addestrare il modello o richiedere una previsione (annotazione di un video).
- .MOV
- .MPEG4
- MP4
- File AVI
Per visualizzare i contenuti video nella console web o per annotare un video, il video deve essere in un formato supportato in modo nativo dal browser. Poiché non tutti i browser gestiscono i contenuti .MOV o .AVI in modo nativo, è consigliabile utilizzare il formato video .MPEG4 o .MP4.
La dimensione massima del file è 50 GB (fino a 3 ore di durata). Non sono supportati singoli file video con timestamp vuoti o non corretti nel contenitore.
Il numero massimo di etichette in ogni set di dati è limitato a 1000.
Puoi assegnare le etichette "ML_USE" ai video nei file di importazione. Durante la fase di addestramento, puoi scegliere di utilizzare queste etichette per suddividere i video e le annotazioni corrispondenti in set di addestramento o di test. Per il riconoscimento delle azioni, esiste un limite quando utilizzi la console per l'etichettatura VAR. Se vuoi usare lo strumento di etichettatura per etichettare le azioni, devi 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 modelli AutoML.
I dati di addestramento dovrebbero essere il più possibile simili a quelli su cui devono essere fatte le previsioni. Ad esempio, se il tuo caso d'uso prevede video sfocati e a bassa risoluzione (come quelli di una videocamera di sicurezza), i dati di addestramento devono essere composti da video sfocati e a bassa risoluzione. In generale, dovresti anche valutare la possibilità di fornire più angolazioni, risoluzioni e sfondi per i tuoi video di formazione.
I modelli di Vertex AI in genere non sono in grado di prevedere etichette che gli esseri umani non possono assegnare. Se una persona non può essere addestrata per assegnare etichette guardando il video per 1-2 secondi, probabilmente anche il modello non può essere addestrato a farlo.
Il modello funziona meglio quando ci sono al massimo 100 volte più video per l'etichetta più comune rispetto all'etichetta meno comune. Consigliamo di rimuovere le etichette di bassa frequenza. Per il riconoscimento delle azioni, tieni presente quanto segue:
- Si consigliano 100 o più frame video di addestramento per etichetta.
- Per una risoluzione del frame video molto superiore a 1024 x 1024 pixel, una parte della qualità dell'immagine potrebbe andare persa durante il processo di normalizzazione dei fotogrammi utilizzato da Vertex AI.
File di schema
Quando crei il file JSONl per importare le annotazioni, utilizza il seguente file di schema accessibile pubblicamente. Questo file di schema determina il formato dei file di input di dati. La struttura del file segue il test Schema OpenAPI.
File dello schema di riconoscimento dell'azione:
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
Il formato dei dati di addestramento per il riconoscimento delle azioni video è il seguente.
Per importare i dati, crea un file JSONL o CSV.
JSONL
JSON in ogni riga:
Consulta File YAML di riconoscimento delle azioni per i dettagli.
Nota: i segmenti di tempo qui vengono utilizzati per calcolare i timestamp delle azioni. startTime e endTime di
timeSegmentAnnotations possono
essere uguali e corrispondono 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 dell'azione 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, specificaTEST. - I contenuti da classificare o annotare. Questo campo contiene l'URI Cloud Storage del video. Gli URI Cloud Storage sono sensibili alle maiuscole.
- Un'etichetta che identifica il modo in cui il video è 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 ciascuna 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 l'ora di fine del segmento video da analizzare, in secondi. L'ora di inizio deve essere precedente all'ora di fine. Entrambi i valori non devono essere negativi e devono rientrare nell'intervallo di tempo del video. Ad esempio,
0.09845,1.3600555, dove il primo valore (0,09845) è l'ora di inizio e il secondo (1,3600555) è 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 della durata integrale del video o "inf". Ad esempio:0,inf. - Annotazione. L'annotazione è un'etichetta con timestamp del frame o 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 viene eseguita alcuna azione di interesse all'interno dei due intervalli di tempo. Nota: l'ultima riga indica che il segmento con etichetta completa 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 un segmento completamente etichettato.
Anche in questo caso, non è necessario specificare dati di convalida per verificare i risultati del modello addestrato. Vertex AI suddivide automaticamente le righe identificate per l'addestramento nei dati di addestramento e convalida. l'80% per la formazione e il 20% per la convalida.
Salva i contenuti come file CSV nel bucket Cloud Storage.