使用 Amazon SageMaker Ground Truth 执行语义分割添加标签时自动分割对象
Amazon SageMaker Ground Truth 可帮助您快速构建高度准确的机器学习 (ML) 训练数据集。利用 Ground Truth,可以方便地找到您自己的人工标记工作者,并为他们提供用于常见添加标签任务的内置工作流和界面。此外,Ground Truth 还可以使用自动添加标签功能将添加标签的成本降低多达 70%,其中自动添加标签的工作原理是利用人工添加标签的数据来训练 Ground Truth,从而使这项服务学会独立为数据加标签。
语义分割是一项机器学习中计算机视觉技术, 其中包括为图像中的单独像素分配类标签。例如,在由移动车辆捕获的视频帧中,类标签可以包括车辆、行人、道路、交通信号灯、建筑物或背景。它可以让您高度准确地了解图像中不同对象的位置,因此常用于为自动驾驶汽车或机器人构建感知系统。若要为语义分割系统构建机器学习模型,则首先必须在像素级别为大量数据添加标签。这个过程非常复杂,它需要大量技能熟练的添加标签的人员和时间,有些图像可能需要长达 2 个小时才能准确完成标签添加。
为了提高添加标签的工作效率,提高准确度并减轻添加标签人员的负载,Ground Truth 在语义分割打标签的用户界面中新增了自动分割功能。利用自动分割工具,只需少量输入即可对图像中您感兴趣的区域自动添加标签,从而简化您的任务。您可以接受、撤销或纠正自动分割功能的输出。以下屏幕截图展示了工具栏中的自动分割功能,它将捕获的图像中的狗作为一个对象。分配给狗的标签为Bubbles。
借助这一新功能,您的语义分割任务的工作效率可以提高十倍。您只需绘制四个点:分别为对象的顶部、底部、最左侧和最右侧,而无需绘制紧密贴合的多边形或使用画笔工具捕获图像中的对象。Ground Truth 会将这四个点当作输入,并使用 Deep Extreme Cut (DEXTR) 算法在对象周围生成紧密结合的 mask。以下演示介绍了该工具如何加快复杂添加标签任务的吞吐量(视频以 5 倍实时速度播放)。
小结
本博文演示了被称为语义分割的机器学习计算机视觉技术的作用和复杂性。利用自动分割功能,只需添加标签的工作人员进行少量输入即可对图像中您感兴趣的区域执行自动分割,从而加速语义分割添加标签任务。
本篇作者
相关文章
- ECS使用感
- 阿里云体验
- 阿里云产品9月刊:产品动态全知道,尽在云月刊播报
- 大厂面试必须掌握的六种继承方式,你会吗?
- 阿里云智能视觉开放平台人脸人体API测试Demo
- 免费体阿里云ECS
- 飞天加速计划·高校学生在家实践,ECS使用感受
- 飞天加速体验
- 飞天加速计划·高校学生在家实践(学生体验)
- 容灾渐进式云迁移
- 阿里云企业邮箱怎么样?有没有免费版的?如何申请?
- 阿里云 卢日:GRTN打造阿里云边缘云最佳流媒体场景实践
- 根据阿里云搭建校园网官方网站
- 阿里云云虚拟主机要备案吗
- 阿里云荣获“边缘云技术创新奖”和“边缘云创新案例奖”
- AR 独立观察:新一代人机交互平台
- 阿里速度! SRE团队全力保障多地健康码顺利上线
- Spring 学习整理|阿里云产品内容精选(四十五)
- ROS学习笔记(3)
- ROS学习笔记(2)