針對文字、圖片和影片資料,您可以使用 Google Cloud 主控台匯入已標記或未標記的資料,並新增標籤。您也可以刪除現有標記資料集的標籤,或新增標籤。
如要瞭解如何匯入資料,請參閱訓練總覽頁面中所用資料類型和目標的「準備資料」頁面。依據資料類型和目標,繼續前往相對應的「建立資料集」頁面。
建立資料集並匯入未標記資料後,您會進入瀏覽模式。
如何新增標籤
以下針對各資料類型提供標記目標的操作說明。
圖片
您剛剛在資料集中匯入的圖片沒有標籤,這與預期一致。
分類
在瀏覽模式中,選取含有未標示圖片的資料集後,您可以查看上傳的圖片。
- 按一下「新增標籤」,然後輸入新標籤。
- 按一下「完成」。
針對要新增的每個標籤重複上述步驟。 - 選取要標示的圖片。
標籤清單隨即顯示。 - 選取要與圖片建立關聯的標籤。
- 按一下 [儲存]。
分類
在「瀏覽」模式中,選取含有未標示圖片的資料集後,您就能看到上傳的圖片。
- 按一下「新增標籤」,然後輸入新標籤。
- 按一下「完成」。
針對要新增的每個標籤重複上述步驟。 - 選取要標示的圖片。
標籤清單隨即顯示。 - 選取要與圖片建立關聯的標籤。
- 按一下 [儲存]。
- 您可以在「瀏覽」分頁中查看套用至每張圖片的標籤。
物件偵測
在「瀏覽」模式中,選取含有未標示圖片的資料集後,您就能看到上傳的圖片。
- 按一下「新增標籤」,然後輸入新標籤。
- 按一下「完成」。
針對要新增的每個標籤重複上述步驟。 - 選取要標示的圖片。
- 畫面上會顯示標籤物件清單 (如有)。
- 在新增註解視窗中,選取「新增邊界框」按鈕,即可在圖片中新增物件邊界框。
- 繪製定界框後,系統會顯示要套用至物件的標籤清單。選擇適當的標籤。
- 新增所有標籤和邊界框後,請按一下「儲存」更新圖片的註解。
文字
您剛剛在資料集中匯入的文字可能已標記,也可能未標記。
單一標籤分類
- 按一下要標示的文字。
- 如要新增標籤,請按一下「新增標籤」。
- 如果是單一標籤分類資料集,請選取一個標籤與文字建立關聯。
- 按一下 [儲存]。
多標籤分類
- 按一下要標示的文字。
- 如要新增標籤,請按一下「新增標籤」。
- 如果是多標籤分類資料集,請選取一或多個標籤,與文字建立關聯。
- 按一下 [儲存]。
實體擷取
- 按一下要標示的文字。
- 如要新增標籤,請按一下「新增標籤」。
- 選取一或多個要標記的字詞。
- 選取要與所選文字建立關聯的標籤。
- 按一下 [儲存]。
情緒分析
- 按一下要標示的文字。
- 如要新增標籤,請按一下「新增標籤」。
- 選取要與文字建立關聯的分數。
- 按一下 [儲存]。
影片
資料集中匯入的影片沒有標籤,符合預期。
- 如要前往新資料集,請按一下導覽選單中的「資料集」。
- 選取要新增標籤的資料集。
資料集隨即顯示。
動作識別
在「瀏覽」模式中,如果選取含有未標示影片的資料集,您應該會看到影片。
- 新增標籤。
- 選取影片並開始觀看。
- 當你要辨識的動作開始出現時,請使用「Next frame」選項,慢慢地瀏覽畫面,直到找到動作的中心或最具代表性的時刻。
- 按一下「新增註解」。
標籤清單就會顯示在畫面上。 - 選取要為這個影片片段指定的標籤。
- 按一下 [儲存]。
分類
選取含有未標示影片的資料集後,您就會看到自己的影片。
- 新增標籤。
- 選取要加上標籤的影片。影片會顯示在下方,並附上以顏色標示的標籤清單。
- 前往區段的起點。按一下「新增區隔」。
- 選取區隔。調整
以指定要用於特定標籤訓練的區隔:
- 選取標籤。您可以為區隔選取多個標籤。
- 依序按一下「完成」和「儲存」。
- 重複上述步驟,即可在同一部影片中新增其他標籤,並指定不同的時間區段。
以下舉例說明如何新增兩個標籤:
- 選取區隔。調整
以指定要用於特定標籤訓練的區隔:
- 返回「Datasets」清單重複操作。
物件追蹤
在「瀏覽」模式中,如果選取含有未標示影片的資料集,應該會看到影片。
- 按一下「新增標籤」,然後新增您要使用的標籤 (例如「sedan」、「pickup」、「SUV」)。
- 按一下 [儲存]。如果之後需要新增更多標籤,請按一下「新增標籤」和「儲存」。
- 選取影片並開始觀看。
- 當你想追蹤的物體出現時,請執行下列操作:
- 停止影片。
- 從左上角拖曳邊界框,向下拖曳至右下角。
請務必將物體盡可能緊密地放入方塊中。
標籤清單會顯示在邊界框的右下方。 - 選取適當的標籤。
注意:注意:你隨時可以在這個程序中新增更多標籤。請務必儲存新增的標籤,以便日後顯示在清單中。
- 按一下 [儲存]。
後續步驟
- 使用 Google Cloud 控制台訓練 AutoML 模型。
使用 Google Cloud 控制台訓練 AutoML Edge 模型。(僅限圖片和影片)
使用 Vertex AI API 訓練 AutoML Edge 模型。(僅限圖片和影片)