Le sezioni seguenti forniscono informazioni sui requisiti dei dati, sui file dello schema e sul formato dei file di importazione dei dati (JSONL e CSV) che sono definiti 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 del modello o la richiesta di 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 le etichette "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 il monitoraggio degli oggetti video, tieni presente quanto segue:
- Il numero massimo di fotogrammi video etichettati in ogni set di dati è a un massimo di 150.000.
- Il numero massimo di caselle delimitanti annotate totali in ogni set di dati è limitado a 1.000.000.
- Il numero massimo di etichette in ogni insieme di annotazioni è limitato a 1000.
Best practice per i dati video utilizzati per addestrare i modelli AutoML
Le seguenti pratiche si applicano ai set di dati utilizzati per addestrare AutoML di grandi dimensioni.
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 immagini sfocate video a bassa risoluzione (ad esempio quelli di una videocamera di sicurezza), i dati di addestramento deve essere composto da video sfocati e a bassa risoluzione. In generale, dovresti considera l'idea di fornire più angolazioni, risoluzioni e sfondi per nei tuoi video di formazione.
I modelli Vertex AI in genere non sono in grado di prevedere le etichette che gli esseri umani impossibile 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 meglio quando ci sono al massimo 100 volte più video per il più comune che per l'etichetta meno comune. Ti consigliamo di rimuoverla etichette di bassa frequenza. Per il monitoraggio di oggetti:
- Le dimensioni minime del riquadro di selezione sono 10 x 10 px.
- Per una risoluzione del frame video molto più grande di 1024 x 1024 pixel, parte della qualità dell'immagine può andare persa durante il processo di normalizzazione del frame usato dal monitoraggio degli oggetti AutoML.
- Ogni etichetta univoca deve essere presente in almeno tre frame video distinti. Inoltre, ogni etichetta deve avere almeno dieci annotazioni.
File di schema
Utilizza il seguente file dello schema accessibile pubblicamente quando crei il file JSONL per l'importazione delle annotazioni. Questo file dello schema determina il formato dei file di input dei dati. La struttura del file segue il test dello schema OpenAPI.
File dello schema di monitoraggio degli oggetti:
gs://google-cloud-aiplatform/schema/dataset/ioformat/object_tracking_io_format_1.0.0.yaml
File di schema completo
title: VideoObjectTracking version: 1.0.0 description: > Import and export format for importing/exporting videos together with temporal bounding box annotations. 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`. TemporalBoundingBoxAnnotations: type: array description: Multiple temporal bounding box annotations. Each on a frame of the video. items: type: object description: > Temporal bounding box anntoation on video. `xMin`, `xMax`, `yMin`, and `yMax` are relative to the video frame size, and the point 0,0 is in the top left of the frame. 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 timeOffset: type: string description: > A time offset of a video in which the object has been detected. Expressed as a number of seconds as measured from the start of the video, with fractions up to a microsecond precision, and with "s" appended at the end. instanceId: type: number format: integer description: > The instance of the object, expressed as a positive integer. Used to tell apart objects of the same type when multiple are present on a single video. annotationResourceLabels: description: Resource labels on the Annotation. type: object additionalProperties: type: string dataItemResourceLabels: description: Resource labels on the DataItem. type: object additionalProperties: type: string
File di input
Il formato dei dati di addestramento per il monitoraggio di oggetti video è il seguente.
Per importare i dati, crea un file JSONL o CSV.
JSONL
JSON su ogni riga:
Per maggiori dettagli, consulta il file Object tracking YAML.
{
"videoGcsUri": "gs://bucket/filename.ext",
"TemporalBoundingBoxAnnotations": [{
"displayName": "LABEL",
"xMin": "leftmost_coordinate_of_the_bounding box",
"xMax": "rightmost_coordinate_of_the_bounding box",
"yMin": "topmost_coordinate_of_the_bounding box",
"yMax": "bottommost_coordinate_of_the_bounding box",
"timeOffset": "timeframe_object-detected"
"instanceId": "instance_of_object
"annotationResourceLabels": "resource_labels"
}],
"dataItemResourceLabels": {
"aiplatform.googleapis.com/ml_use": "train|test"
}
}Esempio di JSONL: rilevamento di oggetti video:
{'videoGcsUri': 'gs://demo-data/video1.mp4', 'temporal_bounding_box_annotations': [{'displayName': 'horse', 'instance_id': '-1', 'time_offset': '4.000000s', 'xMin': '0.668912', 'yMin': '0.560642', 'xMax': '1.000000', 'yMax': '1.000000'}], "dataItemResourceLabels": {"aiplatform.googleapis.com/ml_use": "training"}}
{'videoGcsUri': 'gs://demo-data/video2.mp4', 'temporal_bounding_box_annotations': [{'displayName': 'horse', 'instance_id': '-1', 'time_offset': '71.000000s', 'xMin': '0.679056', 'yMin': '0.070957', 'xMax': '0.801716', 'yMax': '0.290358'}], "dataItemResourceLabels": {"aiplatform.googleapis.com/ml_use": "test"}}
...CSV
Formato di una riga nel file CSV:
[ML_USE,]VIDEO_URI,LABEL,[INSTANCE_ID],TIME_OFFSET,BOUNDING_BOX
Elenco di colonne
ML_USE(Facoltativo). Per la suddivisione dei dati durante l'addestramento un modello. Utilizza TRAINING o TEST.VIDEO_URI. Questo campo contiene l'URI Cloud Storage per il video. Gli URI Cloud Storage sono sensibili alle maiuscole.LABEL. Le etichette devono iniziare con una lettera e contenere solo lettere, numeri e trattini bassi. Puoi specificare più etichette per un video aggiungendo nel file CSV più righe che identificano il stesso segmento video, con un'etichetta diversa per ogni riga.INSTANCE_ID(facoltativo). Un ID istanza che identifica l'istanza dell'oggetto nei frame video di un video. Se fornito, Il monitoraggio degli oggetti AutoML li utilizza per il monitoraggio degli oggetti ottimizzazione, addestramento e valutazione. I riquadri di delimitazione dello stesso oggetto presente in diversi fotogrammi video hanno l'etichetta uguale l'ID istanza. L'ID istanza è univoco solo in ogni video ma non in il set di dati. Ad esempio, se due oggetti di due video diversi hanno lo stesso ID istanza, non significa che si tratti della stessa istanza di oggetto.TIME_OFFSET. Il frame video che indica il compensare della durata dall'inizio del video. L'offset temporale è un un numero in virgola mobile e le unità sono in secondi.BOUNDING_BOX. Un riquadro di delimitazione per un oggetto nell'inquadratura del video. La specifica di un riquadro di delimitazione coinvolge più di una colonna.
A.x_relative_min,y_relative_min
B.x_relative_max,y_relative_min
C.x_relative_max,y_relative_max
D.x_relative_min,y_relative_max
Ogni vertice è specificato dai valori delle coordinate x e y. Le coordinate i valori devono essere un numero in virgola mobile compreso tra 0 e 1, dove 0 rappresenta il valore x o y minimo e 1 rappresenta il valore x o y massimo.
Ad esempio, (0,0) rappresenta l'angolo in alto a sinistra e (1,1) rappresenta l'angolo in basso a destra; un riquadro di delimitazione per l'intera l'immagine è espressa come (0,0,,,1,1,) o (0,0,1,0,1,1,0,1).
Il monitoraggio degli oggetti AutoML non richiede vertex. Inoltre, se quattro vertici specificati non formano una rettangolo parallelo ai bordi dell'immagine, Vertex AI specifica vertici che formano questo rettangolo.
Il riquadro di delimitazione di un oggetto può essere specificato in due modi:- Due vertici specificati costituiti da un insieme di coordinate x,y
se sono punti diagonalmente opposti del rettangolo:
A.x_relative_min,y_relative_min
C.x_relative_max,y_relative_max
come mostrato in questo esempio:
x_relative_min, y_relative_min,,,x_relative_max,y_relative_max,, - Tutti e quattro i vertici specificati come mostrato in:
x_relative_min,y_relative_min, x_relative_max,y_relative_min, x_relative_max,y_relative_max, x_relative_min,y_relative_max,
Se i quattro vertici specificati non formano un rettangolo parallelo ai bordi dell'immagine, Vertex AI specifica i vertici che formano un rettangolo di questo tipo.
- Due vertici specificati costituiti da un insieme di coordinate x,y
se sono punti diagonalmente opposti del rettangolo:
Esempi di righe nei file del set di dati
Le seguenti righe mostrano come specificare i dati in un set di dati. La
esempio include il percorso di un video su Cloud Storage, un'etichetta
dell'oggetto, un offset temporale per iniziare il monitoraggio e due vertici diagonali.
VIDEO_URI.,LABEL,INSTANCE_ID,TIME_OFFSET,x_relative_min,y_relative_min,x_relative_max,y_relative_min,x_relative_max,y_relative_max,x_relative_min,y_relative_max
gs://folder/video1.avi,car,,12.90,0.8,0.2,,,0.9,0.3,,
gs://folder/video1.avi,bike,,12.50,0.45,0.45,,,0.55,0.55,,
dove,
- VIDEO_URI è
gs://folder/video1.avi, - LABEL è
car, - INSTANCE_ID , (non specificato)
- TIME_OFFSET è
12.90, - x_relative_min,y_relative_min sono
0.8,0.2, - x_relative_max,y_relative_min non specificato,
- x_relative_max,y_relative_max sono
0.9,0.3, - x_relative_min,y_relative_max non sono specificati
Come indicato in precedenza, puoi anche specificare i riquadri di delimitazione fornendo tutti e quattro i vertici, come mostrato negli esempi seguenti.
gs://folder/video1.avi,car,,12.10,0.8,0.8,0.9,0.8,0.9,0.9,0.8,0.9
gs://folder/video1.avi,car,,12.90,0.4,0.8,0.5,0.8,0.5,0.9,0.4,0.9
gs://folder/video1.avi,car,,12.10,0.4,0.2,0.5,0.2,0.5,0.3,0.4,0.3
CSV di esempio - senza etichette:
Puoi anche fornire video nel file di dati senza specificare qualsiasi etichetta. Devi quindi utilizzare la console Google Cloud per applicare le etichette ai dati prima di addestrare il modello. Per farlo, devi solo fornisci l'URI Cloud Storage del video seguito da undici virgole, come mostrato nell'esempio seguente.
Esempio senza ml_use assegnato:
gs://folder/video1.avi ...
Esempio con ml_use assegnato:
TRAINING,gs://folder/video1.avi TEST,gs://folder/video2.avi ...