Skip to content

Latest commit

 

History

History
69 lines (58 loc) · 5.63 KB

README.md

File metadata and controls

69 lines (58 loc) · 5.63 KB
Raw

Amazon Rekognition Custom Labels - Managing a datset Example

사전 준비 작업

  • my-rekognition-customlabels-XYZ 이라는 S3 버킷을 생성한다. (S3 bucket 이름이 중복되지 않도록 XYZ 를 적절하게 다른 문자열로 변경해야한다)
  • my-rekognition-customlabels-XYZ 아래에 animals 라는 디렉터리를 생성한다.
  • animals 라는 directory 안에 dataset/animals 디렉터리에 있는 10장의 샘플 이미지를 저장한다.

SageMaker Ground Truth format manifest 파일을 이용해서 dataset 생성하기

  1. manifest 파일 작성 한다.
    참고로, 예제로 주어진 data의 input.manifest Amazon Rekognition Custom Labels - Object localization(Bounding Box) in manifest files 을 참고해서 작성했다. 예제로 주어진 input.manifest 파일을 텍스트 편집기(예: vim, VisualCode 등)로 열어서, my-rekognition-customlabels-XYZ 부분을 샘플 이미지가 업로드된 S3 버킷으로 변경한다.
    예)

    XYZ를 12345로 변경했을 경우,

    변경 전

    {"source-ref":"s3://my-rekognition-customlabels-XYZ/animals/img4.jpeg", ...}

    변경 후

    {"source-ref":"s3://my-rekognition-customlabels-12345/animals/img4.jpeg", ...}

  2. manifest 파일을 s3 버킷에 업로드한다

  3. Amazon Rekognition 웹 콘솔 https://console.aws.amazon.com/rekognition/에 접속한다.

  4. Use Custom Labels 를 선택한다.

  5. Get started 를 선택한다.

  6. 왼쪽 상단의 메뉴에서 Datasets 을 선택한다.

  7. Datasets 에서 Create dataset 을 선택 한다.
    create_dataset

  8. Create dataset 상세 페이지에서 dataset 이름을 입력한다. (animals-custom-labels)

  9. Image location 에서 Import images labeled by SageMaker Ground Truth 를 선택한다.

  10. .manifest file location 에 2단계에서 업로드한 input.manifest 파일의 S3 위치를 넣는다. input.manifest 파일의 S3 위치를 .manifest file location 에 기록하면, Amazon Rekognition Custom Labels 서비스가 S3 버킷에 접근하기 위해 필요한 S3 Bucket Policy가 출력되는데, 이 가이드 대로 S3 버킷의 Permission이 설정되어 있는지 확인이 필요하다.
    manifest_file_location

  11. Submit 를 선택하면, 다음과 같은 화면을 볼 수 있다.
    review_custom_labels

Dataset 삭제 방법

  • Dataset을 삭제하기 위해서는 주의하실 점은 s3에 upload된 이미지 데이터를 삭제한다고 Dataset에서 삭제되는 것이 아니라, manifest 파일에서 삭제할 이미지 데이터에 대한 정보를 삭제해야 한다.
  1. AWS 웹 콘솔의 Amazon Rekognition Custom Labels 서비스에 접속한다.
  2. 왼쪽 위의 메뉴에서 Datasets 을 선택한다.
  3. Datasets 에서 삭제할 데이터의 Location, 즉 S3 위치를 클릭해서, *.manifest 파일의 S3 위치를 확인한다.
  4. *.manifest 파일을 S3에서 다운로드 한 후, 삭제할 dataset을 *.manifest 파일에서 삭제한다.
    예) (1) 최초 .manifest 파일 내용 
    {"source-ref":"s3://my-rekognition-customlabels-XYZ/aws/aws-1.png","test-dataset_BB":{"annotations":[{"left":13,"top":189,"width":975,"height":613,"class_id":0}],"image_size":[{"width":1000,"height":1000,"depth":3}]},"test-dataset_BB-metadata":{"job-name":"labeling-job/test-dataset_BB","class-map":{"0":"aws"},"human-annotated":"yes","objects":[{"confidence":1}],"creation-date":"2021-05-13T12:48:15.600Z","type":"groundtruth/object-detection"}}
{"source-ref":"s3://rekognition-customlabels-use1/aws/aws-10.png","test-dataset_BB":{"annotations":[{"left":19,"top":11,"width":510,"height":316,"class_id":0}],"image_size":[{"width":1480,"height":340,"depth":3}]},"test-dataset_BB-metadata":{"job-name":"labeling-job/test-dataset_BB","class-map":{"0":"aws"},"human-annotated":"yes","objects":[{"confidence":1}],"creation-date":"2021-05-13T12:48:39.138Z","type":"groundtruth/object-detection"}}
    (2) "aws-1.png" 파일을 삭제 한 후, output.manifest 파일 내용 
    {"source-ref":"s3://my-rekognition-customlabels-XYZ/aws/aws-10.png","test-dataset_BB":{"annotations":[{"left":19,"top":11,"width":510,"height":316,"class_id":0}],"image_size":[{"width":1480,"height":340,"depth":3}]},"test-dataset_BB-metadata":{"job-name":"labeling-job/test-dataset_BB","class-map":{"0":"aws"},"human-annotated":"yes","objects":[{"confidence":1}],"creation-date":"2021-05-13T12:48:39.138Z","type":"groundtruth/object-detection"}}
  5. 수정한 *.manifest 파일을 *.manifest 파일이 처음 위치한 s3에 다시 upload 한다.
    *.manifest 파일 upload 후, Amazon Rekognition Custom Labels의 Datasets 화면을 refresh 하면, Images 수가 변경된 것을 확인 할 수 있다.

References