使用命令行标记视频
本快速入门将引导您完成以下过程：
- 将一组视频复制到 Cloud Storage 中。
- 创建列有视频及其标签的 CSV 文件。
- 使用 AutoML Video 创建数据集，并训练和使用模型。
准备工作
设置项目
- 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。
- 安装 Google Cloud CLI。
-
如需初始化 gcloud CLI，请运行以下命令：
gcloud init
-
-
创建 Google Cloud 项目：
gcloud projects create PROJECT_ID
将
PROJECT_ID替换为您要创建的 Google Cloud 项目的名称。 -
选择您创建的 Google Cloud 项目：
gcloud config set project PROJECT_ID
将
PROJECT_ID替换为您的 Google Cloud 项目 名称。
-
-
Enable the AutoML and Cloud Storage APIs:
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - 安装 Google Cloud CLI。
-
如需初始化 gcloud CLI，请运行以下命令：
gcloud init
-
-
创建 Google Cloud 项目：
gcloud projects create PROJECT_ID
将
PROJECT_ID替换为您要创建的 Google Cloud 项目的名称。 -
选择您创建的 Google Cloud 项目：
gcloud config set project PROJECT_ID
将
PROJECT_ID替换为您的 Google Cloud 项目 名称。
-
-
Enable the AutoML and Cloud Storage APIs:
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - 将
PROJECT_ID环境变量设置为项目 ID。export PROJECT_ID=PROJECT_ID
AutoML API 调用和资源名称中包含您的项目 ID。PROJECT_ID环境变量提供了一种指定此 ID 的便捷方式。
创建数据集并导入训练数据
创建数据集
确定数据集的名称，并使用以下 curl 或 PowerShell 命令创建采用该名称的新数据集。
REST
在使用任何请求数据之前，请先进行以下替换：
- dataset-name：界面中显示的数据集的名称
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets
请求 JSON 正文：
{
"displayName": "dataset-name",
"videoClassificationDatasetMetadata": {
}
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
" https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets"
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri " https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets" | Select-Object -Expand Content
name。以下示例展示了此类响应，其中 project-number 是您的项目编号，operation-id 是为请求创建的长时间运行操作的 ID。
导入训练数据
REST
要导入训练数据时，请使用importData 方法。此方法要求您提供两个参数：
- 包含训练路径的 CSV 路径，
- 测试数据 CSV 文件。注意：这些文件位于 Cloud Storage 上的“automl-video-demo-data”存储桶中。
在使用任何请求数据之前，请先进行以下替换：
- input-uri：包含要添加注释的文件的 Cloud Storage 存储桶（包括文件名）。必须以 gs:// 开头。例如：
"inputUris": ["gs://automl-video-demo-data/hmdb_split1.csv"] - dataset-id：替换为数据集的数据集标识符（而不是显示名）。例如
VCN4798585402963263488 - 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id:importData
请求 JSON 正文：
{
"inputConfig": {
"gcsSource": {
"inputUris": input-uri
}
}
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
" https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id:importData"
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri " https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets/dataset-id:importData" | Select-Object -Expand Content
VCN7506374678919774208 的响应。
获取导入操作的状态
您可以使用以下 curl 或 PowerShell 命令查询数据导入操作的状态。
REST
在使用任何请求数据之前，请先进行以下替换：
- operation-id：替换为导入数据操作的操作 ID。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id" | Select-Object -Expand Content
done: true 处于未列出任何错误的操作状态，如下例所示。
列出所有数据集
使用以下 curl 或 PowerShell 命令获取数据集列表以及导入数据集的示例视频数量。
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，则根据视频文件位置来确定区域。
HTTP 方法和网址：
https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
训练模型
启动模型训练操作
创建数据集并将训练数据导入数据集后，您可以训练模型。
使用以下 curl 或 PowerShell 命令训练模型。
REST
在使用任何请求数据之前，请先进行以下替换：
- dataset-id：此 ID 是数据集名称的最后一个元素。例如，如果数据集的名称为
projects/434039606874/locations/us-central1/datasets/VCN3104518874390609379，则数据集 ID 为VCN3104518874390609379。 - 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models
请求 JSON 正文：
{
"displayName": "test_model",
"dataset_id": "dataset-id",
"videoClassificationModelMetadata": {}
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models"
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models" | Select-Object -Expand Content
{
"name": "projects/project-number/locations/location-id/operations/operation-id",
"metadata": {
"@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata",
"progressPercentage": 100,
"createTime": "2020-02-27T01:56:28.395640Z",
"updateTime": "2020-02-27T02:04:12.336070Z"
},
"done": true,
"response": {
"@type": "type.googleapis.com/google.cloud.automl.v1beta1.Model",
"name": "projects/project-number/locations/location-id/models/operation-id",
"createTime": "2020-02-27T02:00:22.329970Z",
"videoClassificationModelMetadata": {
"trainBudget": "1",
"trainCost": "1",
"stopReason": "BUDGET_REACHED"
},
"displayName": "a_98487760535e48319dd204e6394670"
}
}
获取模型训练操作的状态
使用以下 curl 或 PowerShell 命令训练模型。
REST
在使用任何请求数据之前，请先进行以下替换：
- operation-id：替换为训练操作的操作 ID。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id" | Select-Object -Expand Content
done: true，并且未列出任何错误。
验证模型可用性
成功完成模型训练操作后，您可以使用以下 curl 或 PowerShell 命令列出项目的模型，以验证模型是否可用。
REST
在使用任何请求数据之前，请先进行以下替换：
- dataset-id：替换为数据集的数据集标识符（而不是显示名）。
- model-name：替换为您为模型选择的名称
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id" | Select-Object -Expand Content
例如：
VCN1741767155885539328。
进行预测
您可以使用 batchPredict 命令请求对视频进行注释（预测）。batchPredict 命令接受 Cloud Storage 存储桶中的 CSV 文件（其中包含要添加注释的视频的路径，以及要添加注释的视频片段的开始时间和结束时间）作为输入参数。在此快速入门中，该 CSV 文件名为 hmdb_split1_test_gs_predict.csv。
运行以下 curl 或 PowerShell 命令以发出批量（异步）预测请求。
REST
在使用任何请求数据之前，请先进行以下替换：
- input-uri：包含要添加注释的文件的 Cloud Storage 存储桶（包括文件名）。必须以 gs:// 开头。例如：
"inputUris": ["gs://automl-video-demo-data/hmdb_split1_test_gs_predict.csv"] - 将 output-bucket 替换为您的 Cloud Storage 存储桶名称。例如
my-project-vcm - object-id：替换为导入数据操作的操作 ID。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models/model-id:batchPredict
请求 JSON 正文：
{
"inputConfig": {
"gcsSource": {
"inputUris": [input-uri]
}
},
"outputConfig": {
"gcsDestination": {
"outputUriPrefix": "gs://output-bucket/object-id"
}
}
}
如需发送请求，请选择以下方式之一：
curl
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models/model-id:batchPredict "
PowerShell
将请求正文保存在名为 request.json 的文件中，然后执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models/model-id:batchPredict " | Select-Object -Expand Content
您应该会收到批量预测请求的操作 ID。例如：VCN926615623331479552
获取预测操作的状态
您可以使用以下 curl 或 PowerShell 命令查询批量预测操作的状态。
REST
在使用任何请求数据之前，请先进行以下替换：
- operation-id：替换为导入数据操作的操作 ID。
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id
如需发送请求，请选择以下方式之一：
curl
执行以下命令：
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id"
PowerShell
执行以下命令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method GET `
-Headers $headers `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/operations/operation-id" | Select-Object -Expand Content
done: true，且无错误列出，如以下示例所示。
批量预测任务完成后，预测输出结果将存储在您在命令中指定的 Cloud Storage 存储桶中。每个视频片段都有一个 JSON 文件。例如：
my-video-01.avi.json
{
"inputUris": ["gs://automl-video-demo-data/sample_video.avi"]
"segment_classification_annotations": [ {
"annotation_spec": {
"display_name": "ApplyLipstick",
"description": "ApplyLipstick"
},
"segments": [ {
"segment": {
"start_time_offset": {
},
"end_time_offset": {
"seconds": 4,
"nanos": 960000000
}
},
"confidence": 0.43253016
}, {
"segment": {
"start_time_offset": {
},
"end_time_offset": {
"seconds": 4,
"nanos": 960000000
}
},
"confidence": 0.56746984
} ],
"frames": [ ]
} ],
"shot_classification_annotations": [ {
"annotation_spec": {
"display_name": "ApplyLipstick",
"description": "ApplyLipstick"
},
"segments": [ {
"segment": {
"start_time_offset": {
},
"end_time_offset": {
"seconds": 5
}
},
"confidence": 0.43253016
}, {
"segment": {
"start_time_offset": {
},
"end_time_offset": {
"seconds": 5
}
},
"confidence": 0.56746984
} ],
"frames": [ ]
} ],
"one_second_sliding_window_classification_annotations": [ {
"annotation_spec": {
"display_name": "ApplyLipstick",
"description": "ApplyLipstick"
},
"segments": [ ],
"frames": [ {
"time_offset": {
"nanos": 800000000
},
"confidence": 0.54533803
}, {
"time_offset": {
"nanos": 800000000
},
...
"confidence": 0.57945728
}, {
"time_offset": {
"seconds": 4,
"nanos": 300000000
},
"confidence": 0.42054281
} ]
} ],
"object_annotations": [ ],
"error": {
"details": [ ]
}
}
清理
为避免因本页面中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的 Google Cloud 项目。
如果您不再需要模型和相关数据集，可以将其删除。
列出模型
您可以使用以下 curl 或 PowerShell 命令列出项目的模型及其标识符：
REST
在使用任何请求数据之前，请先进行以下替换：
- model-name：创建模型时的响应提供的模型全名。全名的格式如下：projects/project-number/locations/location-id/models
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
删除模型
您可以使用以下命令删除模型。
REST
在使用任何请求数据之前，请先进行以下替换：
- model-id：将替换为模型的标识符
- 注意：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，系统将根据视频文件位置确定区域。
HTTP 方法和网址：
DELETE https://automl.googleapis.com/v1beta1/projects/project-number/locations/test/models/model-id
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
列出数据集
您可以使用以下 curl 或 PowerShell 命令列出项目的数据集及其标识符：
REST
在使用任何请求数据之前，请先进行以下替换：
- project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，则根据视频文件位置来确定区域。
HTTP 方法和网址：
https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/datasets
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
删除数据集
您可以使用以下 curl 或 PowerShell 命令删除数据集。
REST
在使用任何请求数据之前，请先进行以下替换：
- dataset-name：数据集的全名，来自创建数据集时的响应。全名的格式为：
projects/project-number/locations/location-id/datasets/dataset-id - project-number：您的项目编号
- location-id：在其中添加注解的 Cloud 区域。支持的云区域为：
us-east1、us-west1、europe-west1、asia-east1。如果未指定区域，则根据视频文件位置来确定区域。 - dataset-id：创建数据集时提供的 ID
HTTP 方法和网址：
DELETE https://automl.googleapis.com/v1beta1/dataset-name
如需发送您的请求，请展开以下选项之一：
您应该收到类似以下内容的 JSON 响应：
后续步骤
- 了解分类工作流程