JSONL

关注TechLead分享AI全维度知识。

作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验同济本复旦硕复旦机器人智能实验室成员阿里云认证的资深架构师项目管理专业人士上亿营收AI产品研发负责人。

Azure

本部分介绍多类图像分类、多标签图像分类、对象检测和实例分段的输入数据格式或架构。

我们还将提供最终训练或验证

{image_url:AmlDatastore://data_directory/../Image_name.image_format,image_details:{format:image_format,width:image_width,height:image_height},label:class_name,

StringAmlDatastore://data_directory/Image_01.jpgimage_details图像详细信息Optional,

Dictionaryimage_details:{format:

jpg,

AmlDatastore://image_data/Image_01.jpg,

jpg,

AmlDatastore://image_data/Image_02.jpg,

image_details:

AmlDatastore://image_data/Image_n.jpg,

image_details:

{image_url:AmlDatastore://data_directory/../Image_name.image_format,image_details:{format:image_format,width:image_width,height:image_height},label:[class_name_1,class_name_2,class_name_3,...,class_name_n]

StringAmlDatastore://data_directory/Image_01.jpgimage_details图像详细信息Optional,

Dictionaryimage_details:{format:

jpg,

AmlDatastore://image_data/Image_01.jpg,

jpg,

AmlDatastore://image_data/Image_02.jpg,

image_details:

AmlDatastore://image_data/Image_n.jpg,

image_details:

[carton,milk_bottle,water_bottle]}对象检测

JSONL

{image_url:AmlDatastore://data_directory/../Image_name.image_format,image_details:{format:image_format,width:image_width,height:image_height},label:[{label:class_name_1,topX:xmin/width,topY:ymin/height,bottomX:xmax/width,bottomY:ymax/height,isCrowd:isCrowd},{label:class_name_2,topX:xmin/width,topY:ymin/height,bottomX:xmax/width,bottomY:ymax/height,isCrowd:isCrowd},...]

}其中

StringAmlDatastore://data_directory/Image_01.jpgimage_details图像详细信息Optional,

Dictionaryimage_details:{format:

jpg,

665label外部键边界框列表其中每个框都是其左上方和右下方坐标的

label,

0}]label内部键边界框中对象的类/标签Required,

Float

如果设置了此特殊标志我们在计算指标时将跳过此特定边界框。

Optional,

Bool0

AmlDatastore://image_data/Image_01.jpg,

image_details:

AmlDatastore://image_data/Image_02.jpg,

image_details:

AmlDatastore://image_data/Image_n.jpg,

image_details:

{image_url:AmlDatastore://data_directory/../Image_name.image_format,image_details:{format:image_format,width:image_width,height:image_height},label:[{label:class_name,isCrowd:isCrowd,polygon:[[x1,

y1,

StringAmlDatastore://data_directory/Image_01.jpgimage_details图像详细信息Optional,

Dictionaryimage_details:{format:

jpg,

0.686]]}]label内部键掩码中对象的类/标签Required,

StringcatisCrowd指示掩码是否围绕对象群Optional,

List

AmlDatastore://image_data/Image_01.jpg,

image_details:

AmlDatastore://image_data/Image_02.jpg,

image_details:

AmlDatastore://image_data/Image_n.jpg,

image_details:

在本部分中我们将记录在使用部署的模型时进行预测所需的输入数据格式。

输入格式

下面是使用特定于任务的模型终结点对任何任务生成预测所需的输入格式。

input

本部分将探讨多类、多标签图像分类、对象检测和实例分段任务的输出数据格式。

图像分类

图像分类的终结点返回数据集中的所有标签及其在输入图像中的概率分数格式如下

{filename:/tmp/tmppjr4et28,probs:[2.098e-06,4.783e-08,0.999,8.637e-06],labels:[can,carton,milk_bottle,water_bottle]

}多标签图像分类

{filename:/tmp/tmpsdzxlmlm,probs:[0.997,0.960,0.982,0.025],labels:[can,carton,milk_bottle,water_bottle]

}对象检测

对象检测模型返回多个框其中包含缩放后的左上角和右下角坐标以及框标签和置信度分数。

{filename:/tmp/tmpdkg2wkdy,boxes:[{box:{topX:0.224,topY:0.285,bottomX:0.399,bottomY:0.620},label:milk_bottle,score:0.937},{box:{topX:0.664,topY:0.484,bottomX:0.959,bottomY:0.812},label:can,score:0.891},{box:{topX:0.423,topY:0.253,bottomX:0.632,bottomY:0.725},label:water_bottle,score:0.876}]

}实例分段

在实例分段中输出包含多个框其中包含缩放后的左上角和右下角坐标、标签、置信度和多边形非掩码。

{filename:/tmp/tmpi8604s0h,boxes:[{box:{topX:0.679,topY:0.491,bottomX:0.926,bottomY:0.810},label:can,score:0.992,polygon:[[0.82,

0.811,

0.493]]},{box:{topX:0.220,topY:0.298,bottomX:0.397,bottomY:0.601},label:milk_bottle,score:0.989,polygon:[[0.365,

0.602,

0.365]]},{box:{topX:0.433,topY:0.280,bottomX:0.621,bottomY:0.679},label:water_bottle,score:0.988,polygon:[[0.576,

0.680,

}关注TechLead分享AI全维度知识。

作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验同济本复旦硕复旦机器人智能实验室成员阿里云认证的资深架构师项目管理专业人士上亿营收AI产品研发负责人。