Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Mengidentifikasi objek menggunakan deteksi objek bingkai video
<a name="sms-video-object-detection"></a>

**catatan**  
Amazon SageMaker Ground Truth tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Ground Truth, tetapi kami tidak berencana untuk memperkenalkan fitur baru.

Anda dapat menggunakan jenis tugas deteksi objek bingkai video untuk meminta pekerja mengidentifikasi dan menemukan objek dalam urutan bingkai video (gambar yang diekstrak dari video) menggunakan kotak pembatas, polyline, poligon, atau alat anotasi titik kunci. * * Alat yang Anda pilih menentukan jenis tugas bingkai video yang Anda buat. Misalnya, Anda dapat menggunakan pekerja tipe tugas deteksi objek bingkai video kotak pembatas untuk mengidentifikasi dan melokalisasi berbagai objek dalam serangkaian bingkai video, seperti mobil, sepeda, dan pejalan kaki. Anda dapat membuat pekerjaan pelabelan deteksi objek bingkai video menggunakan konsol Amazon SageMaker AI Ground Truth, SageMaker API, dan SDK khusus bahasa AWS . Untuk mempelajari lebih lanjut, lihat [Membuat Pekerjaan Pelabelan Deteksi Objek Bingkai Video](#sms-video-od-create-labeling-job) dan pilih metode pilihan Anda. Lihat [Tipe tugas](sms-video-overview.md#sms-video-frame-tools) untuk mempelajari lebih lanjut tentang alat anotasi yang dapat Anda pilih saat membuat pekerjaan pelabelan.

Ground Truth menyediakan UI pekerja dan alat untuk menyelesaikan tugas pekerjaan pelabelan Anda:[Pratinjau UI Pekerja](#sms-video-od-worker-ui).

Anda dapat membuat pekerjaan untuk menyesuaikan anotasi yang dibuat dalam pekerjaan pelabelan deteksi objek video menggunakan jenis tugas penyesuaian deteksi objek video. Untuk mempelajari selengkapnya, lihat [Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi](#sms-video-od-adjustment).

## Pratinjau UI Pekerja
<a name="sms-video-od-worker-ui"></a>

Ground Truth memberi pekerja antarmuka pengguna web (UI) untuk menyelesaikan tugas anotasi deteksi objek bingkai video Anda. Anda dapat melihat pratinjau dan berinteraksi dengan UI pekerja saat membuat pekerjaan pelabelan di konsol. Jika Anda pengguna baru, sebaiknya buat pekerjaan pelabelan melalui konsol menggunakan kumpulan data input kecil untuk melihat pratinjau UI pekerja dan memastikan bingkai video, label, dan atribut label muncul seperti yang diharapkan. 

UI menyediakan pekerja dengan alat pelabelan bantu berikut untuk menyelesaikan tugas deteksi objek Anda:
+ Untuk semua tugas, pekerja dapat menggunakan ** fitur Sal ** in ke berikutnya ** dan ** Salin ke semua untuk menyalin anotasi ke frame berikutnya atau ke semua frame berikutnya masing-masing. 
+ Untuk tugas yang menyertakan alat kotak pembatas, pekerja dapat menggunakan ** fitur Pre ** dict next untuk menggambar kotak pembatas dalam satu frame, dan kemudian meminta Ground Truth memprediksi lokasi kotak dengan label yang sama di semua frame lainnya. Pekerja kemudian dapat melakukan penyesuaian untuk memperbaiki lokasi kotak yang diprediksi. 

Video berikut menunjukkan bagaimana pekerja dapat menggunakan UI pekerja dengan alat kotak pembatas untuk menyelesaikan tugas deteksi objek Anda.

![Gif menunjukkan bagaimana pekerja dapat menggunakan alat kotak pembatas untuk tugas deteksi objek mereka.](https://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/kitti-od-general-labeling-job.gif)


## Membuat Pekerjaan Pelabelan Deteksi Objek Bingkai Video
<a name="sms-video-od-create-labeling-job"></a>

Anda dapat membuat pekerjaan pelabelan deteksi objek bingkai video menggunakan konsol SageMaker AI atau operasi [`CreateLabelingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) API. 

Bagian ini mengasumsikan bahwa Anda telah meninjau [Referensi pekerjaan pelabelan bingkai video](sms-video-overview.md) dan telah memilih jenis data input dan koneksi dataset input yang Anda gunakan. 

### Membuat Pekerjaan Pelabelan (Konsol)
<a name="sms-video-od-create-labeling-job-console"></a>

Anda dapat mengikuti petunjuk di [Membuat Pekerjaan Pelabelan (Konsol)](sms-create-labeling-job-console.md) untuk mempelajari cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI. Pada langkah 10, pilih ** Video - Deteksi objek ** dari daftar ** dropdown kategori ** tugas. Pilih jenis tugas yang Anda inginkan dengan memilih salah satu kartu di pemilihan ** tugas**.

![Gif menunjukkan cara membuat pekerjaan pelacakan objek bingkai video di konsol SageMaker AI.](https://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms/video/task-type-vod.gif)


### Membuat Pekerjaan Pelabelan (API)
<a name="sms-video-od-create-labeling-job-api"></a>

Anda membuat pekerjaan pelabelan deteksi objek menggunakan operasi SageMaker API`CreateLabelingJob`. API ini mendefinisikan operasi ini untuk semua AWS SDK. Untuk melihat daftar SDK khusus bahasa yang didukung untuk operasi ini, tinjau bagian ** Lihat Juga ** dari. [`CreateLabelingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 

[Membuat Pekerjaan Pelabelan (API)](sms-create-labeling-job-api.md)memberikan gambaran umum tentang `CreateLabelingJob` operasi. Ikuti petunjuk ini dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda: 
+ Anda harus memasukkan ARN untuk`HumanTaskUiArn`. Gunakan `arn:aws:sagemaker:{{<region>}}:394669845002:human-task-ui/VideoObjectDetection`. Ganti `{{<region>}}` dengan AWS Wilayah tempat Anda membuat pekerjaan pelabelan. 

  Jangan sertakan entri untuk `UiTemplateS3Uri` parameter. 
+ Anda [`LabelAttributeName`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) harus berakhir`-ref`. Misalnya, `{{video-od-labels}}-ref`. 
+ File manifes input Anda harus berupa file manifes urutan bingkai video. Anda dapat membuat file manifes ini menggunakan konsol SageMaker AI, atau membuatnya secara manual dan mengunggahnya ke Amazon S3. Untuk informasi selengkapnya, lihat [Pengaturan Data Masukan](sms-video-data-setup.md). 
+ Anda hanya dapat menggunakan tim kerja pribadi atau vendor untuk membuat pekerjaan pelabelan deteksi objek bingkai video. 
+ Anda menentukan label, kategori label dan atribut bingkai, jenis tugas, dan instruksi pekerja dalam file konfigurasi kategori label. Tentukan jenis tugas (kotak pembatas, polylines, poligon atau keypoint) yang digunakan `annotationType` dalam file konfigurasi kategori label Anda. Untuk informasi selengkapnya, lihat [File konfigurasi kategori pelabelan dengan kategori label dan referensi atribut bingkai](sms-label-cat-config-attributes.md) untuk mempelajari cara membuat file ini. 
+ Anda perlu menyediakan ARN yang telah ditentukan sebelumnya untuk fungsi Lambda pra-anotasi dan pasca-anotasi (ACS). ARN ini khusus untuk Wil AWS ayah yang Anda gunakan untuk membuat pekerjaan pelabelan Anda. 
  + Untuk menemukan pra-anotasi Lambda ARN, lihat. [`PreHumanTaskLambdaArn`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) Gunakan Wilayah tempat Anda membuat pekerjaan pelabelan untuk menemukan ARN yang benar yang diakhiri dengan`PRE-VideoObjectDetection`. 
  + Untuk menemukan Lambda ARN pasca-anotasi, lihat. [`AnnotationConsolidationLambdaArn`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) Gunakan Wilayah tempat Anda membuat pekerjaan pelabelan untuk menemukan ARN yang benar yang diakhiri dengan`ACS-VideoObjectDetection`. 
+ Jumlah pekerja yang ditentukan `NumberOfHumanWorkersPerDataObject` harus`1`. 
+ Pelabelan data otomatis tidak didukung untuk pekerjaan pelabelan bingkai video. Jangan tentukan nilai untuk parameter di`[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)`. 
+ Pekerjaan pelabelan pelacakan objek bingkai video dapat memakan waktu beberapa jam untuk diselesaikan. Anda dapat menentukan batas waktu yang lebih lama untuk pekerjaan pelabelan ini dalam `TaskTimeLimitInSeconds` (hingga 7 hari, atau 604.800 detik). 

Berikut ini adalah contoh permintaan [AWS Python SDK (Boto3) ](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia Utara). 

```
response = client.create_labeling_job(
    LabelingJobName={{'example-video-od-labeling-job}},
    LabelAttributeName={{'label'}},
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': {{'s3://amzn-s3-demo-bucket/path/video-frame-sequence-input-manifest.json'}}
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                {{'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent'}},
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': {{'s3://amzn-s3-demo-bucket/prefix/file-to-store-output-data'}},
        'KmsKeyId': {{'string'}}
    },
    RoleArn={{'arn:aws:iam::*:role/*}},
    LabelCategoryConfigS3Uri={{'s3://bucket/prefix/label-categories.json'}},
    StoppingConditions={
        'MaxHumanLabeledObjectCount': {{123}},
        'MaxPercentageOfInputDatasetLabeled': {{123}}
    },
    HumanTaskConfig={
        'WorkteamArn': {{'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*'}},
        'UiConfig': {
            'HumanTaskUiArn: 'arn:aws:sagemaker:{{us-east-1}}:394669845002:human-task-ui/VideoObjectDetection'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:{{us-east-1:432418664414}}:function:PRE-VideoObjectDetection',
        'TaskKeywords': [
            {{'Video Frame Object Detection'}},
        ],
        'TaskTitle': {{'Video frame object detection task'}},
        'TaskDescription': {{'Classify and identify the location of objects and people in video frames'}},
        'NumberOfHumanWorkersPerDataObject': {{123}},
        'TaskTimeLimitInSeconds': {{123}},
        'TaskAvailabilityLifetimeInSeconds': {{123}},
        'MaxConcurrentTaskCount': {{123}},
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:{{us-east-1:432418664414}}:function:ACS-VideoObjectDetection'
        },
    Tags=[
        {
            'Key': {{'string'}},
            'Value': {{'string'
}}        },
    ]
)
```

## Buat Penyesuaian Deteksi Objek Bingkai Video atau Pekerjaan Pelabelan Verifikasi
<a name="sms-video-od-adjustment"></a>

Anda dapat membuat pekerjaan pelabelan penyesuaian dan verifikasi menggunakan konsol Ground Truth atau `CreateLabelingJob` API. Untuk mempelajari selengkapnya tentang pekerjaan pelabelan penyesuaian dan verifikasi, serta mempelajari cara membuatnya, lihat[Verifikasi dan penyesuaian label](sms-verification-data.md).

## Format Data Keluaran
<a name="sms-video-od-output-data"></a>

Saat Anda membuat pekerjaan pelabelan deteksi objek bingkai video, tugas dikirim ke pekerja. Saat pekerja ini menyelesaikan tugasnya, label ditulis ke lokasi keluaran Amazon S3 yang Anda tentukan saat membuat pekerjaan pelabelan. Untuk mempelajari format data keluaran deteksi objek bingkai video, lihat[Output deteksi objek bingkai video](sms-data-output.md#sms-output-video-object-detection). Jika Anda adalah pengguna baru Ground Truth, lihat [Pelabelan data keluaran pekerjaan](sms-data-output.md) untuk mempelajari lebih lanjut tentang format data output Ground Truth.