Consulta de lista de ejemplo de etiquetado automático

dataset_id

Sí

String

ID de conjunto de datos.

project_id

Sí

String

ID del proyecto. Para obtener más información sobre cómo obtener el ID de proyecto, consulte Obtención de un ID de proyecto.

high_score

No

String

Límite de confianza superior. El valor predeterminado es 1.

label_name

No

String

Nombre de la etiqueta.

label_type

No

Integer

Tipo de etiquetado. Opciones:

• 0: clasificación de imágenes
• 1: detección de objetos
• 3: segmentación de la imagen
• 100: Clasificación del texto
• 101: reconocimiento de entidad nombrada
• 102: triplicación de texto
• 200: clasificación de sonido
• 201: Etiquetado de voz
• 202: Etiquetado de párrafo de discurso
• 400:tabla de conjunto de datos
• 600: etiquetado de vídeo
• 900: formato libre

limit

No

Integer

Número máximo de registros devueltos en cada página. El valor varía de 1 a 100. El valor predeterminado es 10.

low_score

No

String

Menor límite de confianza. El valor predeterminado es 0.

offset

No

Integer

Página de inicio de la lista de paginación. El valor predeterminado es 0.

order

No

String

Secuencia de clasificación de la consulta. Opciones:

• asc: orden ascendente
• desc: orden descendente (valor predeterminado)

process_parameter

No

String

Ajuste de cambio de tamaño de imagen, que es el mismo que el ajuste de cambio de tamaño de OBS. Para obtener más información, consulte Cambio del tamaño de las imágenes. Por ejemplo, image/resize,m_lfit,h_200 indica que la imagen objetivo se redimensiona proporcionalmente y la altura se establece en 200 píxeles.

search_conditions

No

String

Condición de búsqueda multidimensional después de la codificación de URL. La relación entre múltiples condiciones de búsqueda es AND.

sample_count

Integer

Número de muestras.

samples

Array of DescribeSampleResp objects

Lista de muestra.

check_accept

Boolean

Si se aprueba la aceptación, que se utiliza para el etiquetado del equipo. Opciones:

• true: La aceptación es aprobada.
• false: La aceptación no se aprueba.

check_comment

String

Comentario de aceptación, que se utiliza para el etiquetado del equipo.

check_score

String

Puntuación de aceptación, que se utiliza para el etiquetado de equipos.

deletion_reasons

Array of strings

Motivo para eliminar una muestra, que se utiliza para la atención médica.

hard_details

Map<String,HardDetail>

Detalles sobre las dificultades, incluyendo descripción, causas y sugerencias de problemas difíciles.

labelers

Array of Worker objects

Lista de personal de etiquetado de asignación de muestra. Las etiquetadoras registran los miembros del equipo a los que se asigna la muestra para el etiquetado del equipo.

labels

Array of SampleLabel objects

Lista de etiquetas de muestra.

metadata

SampleMetadata object

Par clave-valor del atributo de muestra metadata.

review_accept

Boolean

Si se acepta la revisión, que se utiliza para el etiquetado del equipo. Opciones:

• true: aceptado
• false: rechazado

review_comment

String

Comentario de revisión, que se utiliza para el etiquetado de equipos.

review_score

String

Puntuación de revisión, que se utiliza para el etiquetado de equipos.

sample_data

Array of strings

Lista de datos de muestra.

sample_dir

String

Ruta de muestra.

sample_id

String

ID de muestra.

sample_name

String

Nombre de muestra.

sample_size

Long

Tamaño de muestra o longitud del texto, en bytes.

sample_status

String

Estado de la muestra. Opciones:

• __ALL__: etiquetado
• __NONE__: sin etiqueta
• __UNCHECK__: a comprobar
• __ACEPTADO__: aceptado
• __RECHAZADO__: rechazado
• __UNREVIEWED__: a ser revisado
• __REVISADO__: revisado
• __WORKFORCE_SAMPLED__: datos revisados muestreados
• __WORKFORCE_SAMPLED_UNCHECK__: muestras a comprobar
• __WORKFORCE_SAMPLED_CHECKED__: muestras comprobadas
• __WORKFORCE_SAMPLED_ACCEPTED__: muestras aceptadas
• __WORKFORCE_SAMPLED_REJECTED__: muestras rechazadas
• __AUTO_ANNOTATION__: a comprobar

sample_time

Long

Tiempo de muestra, cuando OBS se modifica por última vez.

sample_type

Integer

Tipo de muestra. Opciones:

• 0: imagen
• 1: texto
• 2: voz
• 4: tabla
• 6: vídeo
• 9: formato personalizado

score

String

Puntuación integral, que se utiliza para el etiquetado de equipos.

source

String

Dirección de origen de los datos de muestra.

sub_sample_url

String

URL de la submuestra, que se utiliza para el cuidado de la salud.

worker_id

String

ID de un miembro del equipo de etiquetado, que se utiliza para el etiquetado del equipo.

alo_name

String

Alias.

id

Integer

ID de razón.

reason

String

Descripción de razón.

suggestion

String

Sugerencia de manejo.

create_time

Long

Tiempo de creación.

description

String

Descripción del miembro del equipo de etiquetado. El valor contiene de 0 a 256 caracteres y no admite los siguientes caracteres especiales: ^!<>=&"'

email

String

Dirección de correo electrónico de un miembro del equipo de etiquetado.

role

Integer

Rol. Opciones:

• 0: personal de etiquetado
• 1: revisor
• 2: administrador del equipo
• 3: propietario del conjunto de datos

status

Integer

Estado actual de inicio de sesión de un miembro del equipo de etiquetado. Opciones:

• 0: El correo electrónico de invitación no se ha enviado.
• 1: El correo electrónico de invitación se ha enviado pero el usuario no ha iniciado sesión.
• 2: El usuario ha iniciado sesión.
• 3: Se ha eliminado el miembro del equipo de etiquetado.

update_time

Long

Tiempo de actualización.

worker_id

String

ID de un miembro del equipo de etiquetado.

workforce_id

String

ID de un equipo de etiquetado.

annotated_by

String

Método de etiquetado de vídeo, que se utiliza para distinguir si un vídeo se etiqueta manualmente o automáticamente. Opciones:

• human: etiquetado manual
• auto: etiquetado automático

id

String

ID de la etiqueta.

name

String

Nombre de la etiqueta.

property

SampleLabelProperty object

Par de atributo clave-valor de la etiqueta de ejemplo, como la forma del objeto y la característica de forma.

score

Float

Confianza.

type

Integer

Tipo de etiqueta. Opciones:

• 0: clasificación de imágenes
• 1: detección de objetos
• 3: segmentación de la imagen
• 100: Clasificación del texto
• 101: reconocimiento de entidad nombrada
• 102: Relación de trillizos de texto
• 103: Entidad triplete de texto
• 200: clasificación de sonido
• 201: Etiquetado de voz
• 202: Etiquetado de párrafo de discurso
• 600: etiquetado de vídeo

@modelarts:content

String

Contenido de texto de voz, que es un atributo predeterminado dedicado a la etiqueta de voz . (incluido el contenido del habla y los puntos de inicio y final del habla).

@modelarts:end_index

Integer

Posición final del texto, que es un atributo predeterminado dedicado a la etiqueta de entidad con nombre. La posición final no incluye el carácter correspondiente al valor de end_index. Los ejemplos son los siguientes.- Si el contenido del texto es "Barack Hussein Obama II (born August 4, 1961) is an American attorney and politician.", los valores start_index y end_index de "Barack Hussein Obama II" son 0 y 23, respectivamente.- Si el contenido del texto es "By the end of 2018, the company has more than 100 employees.", los valores start_index y end_index de "By the end of 2018" son 0 y 18, respectivamente.

@modelarts:end_time

String

Tiempo de finalización de voz, que es un atributo por defecto dedicado a la etiqueta de punto de inicio/fin de voz, en el formato de hh:mm:ss.SSS. (hh indica la hora; mm indica el minuto; ss indica el segundo; y SSS indica milisegundo.)

@modelarts:feature

Object

Característica de forma, que es un atributo predeterminado dedicado a la etiqueta de detección de objetos, con tipo de List. La esquina superior izquierda de una imagen se utiliza como el origen de coordenadas [0,0]. Cada punto de coordenada está representado por [x, y]. x indica la coordenada horizontal e y indica la coordenada vertical . (tanto x como y son mayores o iguales a 0). El formato de cada forma es el siguiente: - bndbox: consta de dos puntos, por ejemplo, [[0,10],[50,95]]. El primer punto se encuentra en la esquina superior izquierda del rectángulo y el segundo punto se encuentra en la esquina inferior derecha del rectángulo. Es decir, la coordenada X del primer punto debe ser menor que la del segundo punto, y la coordenada Y del segundo punto debe ser menor que la del primer punto.- polygon: consiste en múltiples puntos que están conectados en secuencia para formar un polígono, por ejemplo, [[0,100],[50,95],[10,60],[500,400]].- circle: consiste en el punto central y el radio, por ejemplo, [[100,100],[50]].- line: consta de dos puntos, por ejemplo, [[0,100],[50,95]]. El primer punto es el punto de inicio, y el segundo punto es el punto final.- dashed: consta de dos puntos, por ejemplo, [[0,100],[50,95]]. El primer punto es el punto inicial, y el segundo punto es el punto final.- point: consiste en un punto, por ejemplo, [[0,100]].- polyline: consiste en múltiples puntos, por ejemplo, [[0,100],[50,95],[10,60],[500,400]].

@modelarts:from

String

ID de la entidad de cabeza en la etiqueta de relación de triplete, que es un atributo por defecto dedicado a la etiqueta de relación de triplete.

@modelarts:hard

String

Muestra etiquetada como muestra dura o no, que es un atributo predeterminado. Opciones:

• 0/false: no es un ejemplo difícil
• 1/true: ejemplo duro

@modelarts:hard_coefficient

String

Coeficiente de dificultad de cada nivel de etiqueta, que es un atributo predeterminado. El rango de valores es [0,1].

@modelarts:hard_reasons

String

Razones por las que la muestra es una muestra dura, que es un atributo predeterminado. Utilice un guion (-) para separar cada dos ID de motivos de muestra dura, por ejemplo, 3-20-21-19. Opciones:

• 0: No se identifican objetos de destino.
• 1: La confianza es baja.
• 2: El resultado de agrupamiento basado en el conjunto de datos de entrenamiento es inconsistente con el resultado de predicción.
• 3: El resultado de la predicción es muy diferente de los datos del mismo tipo en el conjunto de datos de entrenamiento.
• 4: Los resultados de predicción de múltiples imágenes similares consecutivas son inconsistentes.
• 5: Hay un gran desplazamiento entre la resolución de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 6: Hay un gran desplazamiento entre la relación de aspecto de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 7: Hay un gran desplazamiento entre el brillo de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 8: Hay un gran desplazamiento entre la saturación de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 9: Hay un gran desplazamiento entre la riqueza de color de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 10: Hay un gran desplazamiento entre la definición de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 11: Hay un gran desplazamiento entre el número de fotogramas de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 12: Hay un gran desplazamiento entre la desviación estándar del área de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 13: Hay un gran desplazamiento entre la relación de aspecto de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 14: Hay un gran desplazamiento entre la parte de área de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 15: Hay un gran desplazamiento entre el borde de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 16: Hay un gran desplazamiento entre el brillo de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 17: Hay un gran desplazamiento entre la definición de fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 18: Hay un gran desplazamiento entre la pila de cuadros de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 19: El resultado de mejora de datos basado en el GaussianBlur es inconsistente con el resultado de predicción de la imagen original.
• 20: El resultado de mejora de datos basado en fliplr es inconsistente con el resultado de predicción de la imagen original.
• 21: El resultado de mejora de datos basado en Recortar es inconsistente con el resultado de predicción de la imagen original.
• 22: El resultado de mejora de datos basado en flipud es inconsistente con el resultado de predicción de la imagen original.
• 23: El resultado de mejora de datos basado en la escala es inconsistente con el resultado de predicción de la imagen original.
• 24: El resultado de mejora de datos basado en la traducción es inconsistente con el resultado de predicción de la imagen original.
• 25: El resultado de mejora de datos basado en el cizallamiento es inconsistente con el resultado de predicción de la imagen original.
• 26: El resultado de mejora de datos basado en superpíxeles es inconsistente con el resultado de predicción de la imagen original.
• 27: El resultado de mejora de datos basado en la nitidez es inconsistente con el resultado de predicción de la imagen original.
• 28: El resultado de mejora de datos basado en la adición es inconsistente con el resultado de predicción de la imagen original.
• 29: El resultado de mejora de datos basado en la inversión es inconsistente con el resultado de predicción de la imagen original.
• 30: Se predice que los datos son anormales.

@modelarts:shape

String

Forma de objeto, que es un atributo predeterminado dedicado a la etiqueta de detección de objetos y se deja vacía de forma predeterminada. Opciones:

• bndbox: rectángulo
• polygon: polígono
• circle: círculo
• line: línea recta
• dashed: línea de puntos
• point: punto
• polyline: polilínea

@modelarts:source

String

Fuente de voz, que es un atributo por defecto dedicado a la etiqueta de punto de inicio/fin de voz y que puede ajustarse a un altavoz o narrador.

@modelarts:start_index

Integer

Posición inicial del texto, que es un atributo predeterminado dedicado a la etiqueta de entidad con nombre. El valor inicial comienza desde 0, incluyendo el carácter correspondiente al valor de start_index.

@modelarts:start_time

String

Tiempo de inicio de voz, que es un atributo por defecto dedicado a la etiqueta de punto de inicio/fin de voz, en el formato de hh:mm:ss.SSS. (hh indica la hora; mm indica el minuto; ss indica el segundo; y SSS indica el milisegundo.)

@modelarts:to

String

ID de la entidad de cola en la etiqueta de relación de triplete, que es un atributo por defecto dedicado a la etiqueta de relación de triplete.

@modelarts:import_origin

Integer

Fuente de ejemplo, que es un atributo integrado.

@modelarts:hard

Double

Si la muestra está etiquetada como muestra dura, que es un atributo predeterminado. Opciones:

• 0: muestra no dura
• 1: muestra dura

@modelarts:hard_coefficient

Double

Coeficiente de dificultad de cada nivel de muestra, que es un atributo predeterminado. El rango de valores es [0,1].

@modelarts:hard_reasons

Array of integers

ID de una razón de ejemplo difícil, que es un atributo predeterminado. Opciones:

• 0: No se identifican objetos de destino.
• 1: La confianza es baja.
• 2: El resultado de agrupamiento basado en el conjunto de datos de entrenamiento es inconsistente con el resultado de predicción.
• 3: El resultado de la predicción es muy diferente de los datos del mismo tipo en el conjunto de datos de entrenamiento.
• 4: Los resultados de predicción de múltiples imágenes similares consecutivas son inconsistentes.
• 5: Hay un gran desplazamiento entre la resolución de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 6: Hay un gran desplazamiento entre la relación de aspecto de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 7: Hay un gran desplazamiento entre el brillo de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 8: Hay un gran desplazamiento entre la saturación de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 9: Hay un gran desplazamiento entre la riqueza de color de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 10: Hay un gran desplazamiento entre la definición de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 11: Hay un gran desplazamiento entre el número de fotogramas de la imagen y la distribución de características del conjunto de datos de entrenamiento.
• 12: Hay un gran desplazamiento entre la desviación estándar del área de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 13: Hay un gran desplazamiento entre la relación de aspecto de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 14: Hay un gran desplazamiento entre la parte de área de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 15: Hay un gran desplazamiento entre el borde de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 16: Hay un gran desplazamiento entre el brillo de los fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 17: Hay un gran desplazamiento entre la definición de fotogramas de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 18: Hay un gran desplazamiento entre la pila de cuadros de imagen y la distribución de características del conjunto de datos de entrenamiento.
• 19: El resultado de mejora de datos basado en el GaussianBlur es inconsistente con el resultado de predicción de la imagen original.
• 20: El resultado de mejora de datos basado en fliplr es inconsistente con el resultado de predicción de la imagen original.
• 21: El resultado de mejora de datos basado en Recortar es inconsistente con el resultado de predicción de la imagen original.
• 22: El resultado de mejora de datos basado en flipud es inconsistente con el resultado de predicción de la imagen original.
• 23: El resultado de mejora de datos basado en la escala es inconsistente con el resultado de predicción de la imagen original.
• 24: El resultado de mejora de datos basado en la traducción es inconsistente con el resultado de predicción de la imagen original.
• 25: El resultado de mejora de datos basado en el cizallamiento es inconsistente con el resultado de predicción de la imagen original.
• 26: El resultado de mejora de datos basado en superpíxeles es inconsistente con el resultado de predicción de la imagen original.
• 27: El resultado de mejora de datos basado en la nitidez es inconsistente con el resultado de predicción de la imagen original.
• 28: El resultado de mejora de datos basado en la adición es inconsistente con el resultado de predicción de la imagen original.
• 29: El resultado de mejora de datos basado en la inversión es inconsistente con el resultado de predicción de la imagen original.
• 30: Se predice que los datos son anormales.

@modelarts:size

Array of objects

Tamaño de la imagen (ancho, alto y profundidad de la imagen), que es un atributo predeterminado, con tipo de List. En la lista, el primer número indica la anchura (píxeles), el segundo número indica la altura (píxeles) y el tercer número indica la profundidad . (la profundidad puede dejarse en blanco y el valor predeterminado es 3). Por ejemplo, [100,200,3] y [100,200] son válidos. Nota: Este parámetro sólo es obligatorio cuando la lista de etiquetas de ejemplo contiene la etiqueta de detección de objetos.

200

OK

401

Unauthorized

403

Forbidden

404

Not Found