画像ラベリングテンプレートとアノテーション形式の理解 - Platform for AI (PAI) - Alibaba Cloud - Platform For AI

iTAG は、光学文字認識 (OCR)、オブジェクト検出、画像分類のための画像ラベリングテンプレートを提供します。ユースケースに基づいてテンプレートを選択してください。

サポートされるテンプレート

以下の画像ラベリングテンプレートが利用可能です。

光学文字認識 (OCR)
オブジェクト検出
画像分類

光学文字認識 (OCR)

OCR タスクは、画像からテキストを抽出し、抽出されたテキストに基づいて画像を分類します。

ユースケース

ID カード、領収書、ナンバープレート、銀行カードのテキスト認識。

データ構造

入力データ
マニフェストファイルの各行は、1 つのデータ項目を表します。source フィールドは必須です。
```
{"data":{"source":"oss://****.oss-cn-hangzhou.aliyuncs.com/demo_test/ocr_pic/img6.jpeg"}}
...
```

出力データ

出力マニフェストファイルの各行は、元のデータ項目とラベリング結果を組み合わせたものです。次の例は、1 行の JSON 構造を示しています。

{
    "data": {
        "source": "oss://****.oss-cn-hangzhou.aliyuncs.com/demo_test/ocr_pic/img6.jpeg"
    }, 
    "label-144863699223676****": {
        "results": [
            {
                "questionId": "1", 
                "data": [
                    {
                        "id": "ecdb7552-2a4e-4d0e-8abb-0f1a2dc0****", 
                        "type": "image/polygon", 
                        "value": [
                            [
                                368.1112214498511, 
                                71.72740814299901
                            ], 
                            [
                                444.34359483614696, 
                                71.72740814299901
                            ], 
                            [
                                444.34359483614696, 
                                106.26762661370405
                            ], 
                            [
                                368.1112214498511, 
                                106.26762661370405
                            ]
                        ], 
                        "labels": {
                            "OCR Recognition Result": "Financial Advisor", 
                            "Single-choice": "Label 1"
                        }
                    }
                ], 
                "rotation": 0, 
                "markTitle": "OCR Label Configuration", 
                "width": 1024, 
                "type": "image", 
                "height": 1024
            }
        ]
    }
}

オブジェクト検出

オブジェクト検出タスクは、矩形選択ツールでバウンディングボックスを描画することにより、画像内のオブジェクトを特定します。

ユースケース

車両検出、歩行者検出、画像検索。

データ構造

入力データ
マニフェストファイルの各行は、1 つのデータ項目を表します。source フィールドは必須です。
```
{"data":{"source":"oss://****.oss-cn-hangzhou.aliyuncs.com/pic_ocr/img17.jpeg"}}
...
```

出力データ

出力マニフェストファイルの各行は、元のデータ項目とラベリング結果を組み合わせたものです。次の例は、1 行の JSON 構造を示しています。

{
    "data": {
        "source": "oss://****.oss-cn-hangzhou.aliyuncs.com/pic_ocr/img17.jpeg"
    }, 
    "label-144853549785619****": {
        "results": [
            {
                "questionId": "1", 
                "data": [
                    {
                        "id": "e02a574b-9fd9-45e9-8c8a-9682567b****", 
                        "type": "image/polygon", 
                        "value": [
                            [
                                499.93454545454546, 
                                255.0981818181818
                            ], 
                            [
                                911.0109090909091, 
                                255.0981818181818
                            ], 
                            [
                                911.0109090909091, 
                                338.6836363636363
                            ], 
                            [
                                499.93454545454546, 
                                338.6836363636363
                            ]
                        ], 
                        "labels": {
                            "Single-choice": "Label 1"
                        }
                    }
                ], 
                "rotation": 0, 
                "markTitle": "Object Detection Label Configuration", 
                "width": 1024, 
                "type": "image", 
                "height": 1024
            }
        ]
    }
}

画像分類

画像分類は、その内容に基づいて 1 つ以上の事前定義されたラベルを画像に割り当てます。このテンプレートは、単一ラベル分類と複数ラベル分類をサポートします。

ユースケース

画像ソート、画像認識、画像検索、コンテンツレコメンデーション。

データ構造

入力データ
マニフェストファイルの各行は、1 つのデータ項目を表します。source フィールドは必須です。
```
{"data":{"source":"oss://****.oss-cn-hangzhou.aliyuncs.com/iTAG/pic/1.jpg"}}
...
```

出力データ

出力マニフェストファイルの各行は、元のデータ項目とラベリング結果を組み合わせたものです。次の例は、1 行の JSON 構造を示しています。

{
    "data": {
        "source": "oss://****.oss-cn-hangzhou.aliyuncs.com/pic/3.jpg"
    }, 
    "label-143082452899667****": {
        "results": [
            {
                "questionId": "2", 
                "data": [
                    "Label 1", 
                    "Label 2"
                ], 
                "markTitle": "Multiple-choice", 
                "type": "survey/multivalue"
            }
        ]
    }
}