حاشیه نویسی

حاشیه نویسی نتیجه کار برچسب زدن یک کارگر است. ادغام حاشیه نویسی حاشیه نویسی دو یا چند کارگر را به یک برچسب واحد برای اشیاء داده شما ترکیب می کند. یک برچسب ، که به هر شیء در مجموعه داده اختصاص داده شده است ، یک برآورد احتمالی از آنچه که برچسب واقعی باید باشد است. هر شیء در مجموعه داده به طور معمول دارای حاشیه نویسی های متعدد است ، اما فقط یک برچسب یا مجموعه برچسب ها.

شما تصمیم می گیرید که چه تعداد کارگر هر شیء را در مجموعه داده خود حاشیه نویسی می کنند. استفاده از کارگران بیشتر می تواند دقت برچسب های شما را افزایش دهد ، اما هزینه برچسب زدن را نیز افزایش می دهد. برای کسب اطلاعات بیشتر در مورد قیمت گذاری حقیقت زمین ، به قیمت گذاری حقیقت آمازون Sagemaker Ground مراجعه کنید.

اگر از کنسول Amazon Sagemaker برای ایجاد یک کار برچسب زدن استفاده می کنید ، موارد زیر پیش فرض تعداد کارگرانی است که می توانند اشیاء را حاشیه نویسی کنند:

• طبقه بندی متن - 3 کارگر
• طبقه بندی تصویر - 3 کارگر
• جعبه های محدود - 5 کارگر
• تقسیم معنایی - 3 کارگر
• نامگذاری شده به رسمیت شناختن - 3 کارگر

هنگامی که از عملیات CreateLabelingJob استفاده می کنید ، تعداد کارگران را برای حاشیه نویسی هر شیء داده با پارامتر NumberOfHumanWorkersperDataObject تنظیم می کنید. شما می توانید تعداد پیش فرض کارگرانی را که با استفاده از کنسول یا عملیات CreateLabelingJob حاشیه نویسی می کنند ، نادیده بگیرید.

حقیقت زمین یک تابع ادغام حاشیه نویسی را برای هر یک از وظایف برچسب گذاری از پیش تعریف شده خود فراهم می کند: جعبه محدود ، طبقه بندی تصویر ، شناخت موجودیت نام ، تقسیم معنایی و طبقه بندی متن. این توابع هستند:

• ادغام حاشیه نویسی چند کلاس برای طبقه بندی تصویر و متن از نوعی از رویکرد حداکثر انتظار برای حاشیه نویسی استفاده می کند. این پارامترها را برای هر کارگر تخمین می زند و از استنتاج بیزی برای تخمین کلاس واقعی بر اساس حاشیه نویسی کلاس از کارگران استفاده می کند.
• حاشیه نویسی جعبه محدود ، جعبه های محدود را از چندین کارگر ادغام می کند. این تابع بیشترین جعبه ها را از کارگران مختلف بر اساس شاخص Jaccard یا تقاطع Over Union ، جعبه ها و میانگین آنها پیدا می کند.
• ادغام حاشیه نویسی تقسیم بندی معنایی ، هر پیکسل را در یک تصویر واحد به عنوان یک طبقه بندی چند طبقه درمان می کند. این عملکرد با حاشیه نویسی پیکسل از کارگران به عنوان "آرا" رفتار می کند ، با اطلاعات بیشتر از پیکسل های اطراف که با استفاده از یک عملکرد صاف کننده روی تصویر گنجانیده شده است.
• انتخاب متن های متن انتخاب متن توسط شباهت JACCARD و محاسبه مرزهای انتخاب بر اساس حالت یا در صورت روشن بودن حالت ، محاسبه می کند. این برچسب به بیشترین برچسب موجودیت در خوشه حل می شود و روابط را با انتخاب تصادفی می شکند.

برای ادغام حاشیه نویسی می توانید از الگوریتم های دیگر استفاده کنید. برای اطلاعات ، به ایجاد عملکرد ادغام حاشیه نویسی خود مراجعه کنید.

عملکرد ادغام حاشیه نویسی خود را ایجاد کنید

برای تعیین برچسب های نهایی برای اشیاء دارای برچسب خود می توانید از عملکرد ادغام حاشیه نویسی خود استفاده کنید. بسیاری از رویکردهای ممکن برای نوشتن یک عملکرد و رویکردی که شما انجام می دهید بستگی به ماهیت حاشیه نویسی برای ادغام دارد. به طور گسترده ، توابع ادغام به حاشیه نویسی از کارگران نگاه می کنند ، شباهت بین آنها را اندازه گیری می کنند ، و سپس از نوعی قضاوت احتمالی استفاده می کنند تا تعیین کنند که محتمل ترین برچسب باید باشد.

اگر می خواهید از الگوریتم های دیگر برای ایجاد توابع ادغام حاشیه نویسی استفاده کنید ، می توانید پاسخ های کارگر را در پوشه [پروژه-نام] /حاشیه نویسی /کارگر-پاسخ از سطل آمازون S3 پیدا کنید که در آن شما کارآیی کار را هدایت می کنید.

شباهت را ارزیابی کنید

برای ارزیابی شباهت بین برچسب ها ، می توانید از یکی از استراتژی های زیر استفاده کنید ، یا می توانید از مواردی استفاده کنید که نیازهای برچسب زدن داده های شما را برآورده کند:

• برای فضاهای برچسب که از دسته های گسسته و متقابل منحصر به فرد ، مانند طبقه بندی چند کلاس تشکیل شده است ، ارزیابی شباهت می تواند ساده باشد. برچسب های گسسته یا مطابقت دارند یا مطابقت ندارند.
• برای فضاهای برچسب که مقادیر گسسته ای ندارند ، مانند حاشیه نویسی جعبه محدود ، اندازه گیری گسترده ای از شباهت پیدا می کنند. برای جعبه های محدود ، یکی از این اقدامات شاخص Jaccard است. این نسبت تقاطع دو جعبه با اتحاد جعبه ها را اندازه گیری می کند تا ارزیابی کند که چقدر مشابه هستند. به عنوان مثال ، اگر سه حاشیه نویسی وجود داشته باشد ، می تواند عملکردی وجود داشته باشد که تعیین کند کدام حاشیه ها همان شیء را نشان می دهند و باید ادغام شوند.

محتمل ترین برچسب را ارزیابی کنید

با یکی از استراتژی های مفصل در بخش های قبلی در ذهن ، نوعی قضاوت احتمالی را در مورد آنچه که برچسب تلفیقی باید باشد ، بیان کنید. در مورد دسته های گسسته و متقابل منحصر به فرد ، این می تواند ساده باشد. یکی از متداول ترین راه های انجام این کار ، به دست آوردن نتایج رای اکثریت بین حاشیه نویسی ها است. این یک حاشیه نویسی را به همان اندازه وزن می کند.

برخی از رویکردها سعی در برآورد صحت حاشیه نویسی های مختلف و وزن حاشیه نویسی آنها به تناسب احتمال صحت دارند. نمونه ای از این روش حداکثر انتظار است که در عملکرد ادغام حقیقت زمین پیش فرض برای حاشیه نویسی های چند طبقه استفاده می شود.

برای کسب اطلاعات بیشتر در مورد ایجاد یک تابع ادغام حاشیه نویسی ، به مرحله 3: پردازش با AWS Lambda مراجعه کنید.