物体检测的标注文件需要满足PASCAL VOC格式，格式详细说明请参见表1。 无监督车牌检测工作流标注时标注框需要包含车牌，必须使用矩形标注框。如果标注框坐标超过图片，将无法识别该图片为已标注图片。 示例： ├─dataset-import-example │ IMG_20180919_114732

查看更多 →

自动学习模型训练图片异常？ 使用自动学习的图像分类或物体检测算法时，标注完成的数据在进行模型训练后，训练结果为图片异常。针对不同的异常情况说明及解决方案参见表1。 表1 自动学习训练中图片异常情况说明（图像分类和物体检测） 序号 图片异常显示字段 图片异常说明 解决方案字段 解决方案说明

查看更多 →

。 如需要提前上传待标注的图片，请创建一个空文件夹，然后将图片文件保存在该文件夹下，图片的目录结构如：“/bucketName/data-cat/cat.jpg”。 如您将已标注好的图片上传至OBS桶，请按照如下规范上传。 图像分类数据集要求将标注对象和标注文件存储在同一目录，并且一一对应，例如标注对象文件名为“10

查看更多 →

陷即可，因此建议使用矩形标注框标注图片。如果标注框坐标超过图片，将无法识别该图片为已标注图片。 物体检测的标注文件需要满足PASCAL VOC格式，格式详细说明请参见表1。 表1 PASCAL VOC格式说明 字段 是否必选 说明 folder 是 表示数据源所在目录。 filename

查看更多 →

模型训练 完成图片标注后，可进行模型的训练。模型训练的目的是得到满足需求的图像分类模型。请参考前提条件确保已标注的图片符合要求，否则数据集校验将会不通过。 前提条件 请确保您的数据集中的已标注的图片不低于100张。 请确保您的数据集中至少存在2种以上的图片分类，且每种分类的图片不少于5张。

查看更多 →

标注框标注图片。如果标注框坐标超过图片，将无法识别该图片为已标注图片。 第二相标注的标注文件需要满足PASCAL VOC格式，格式详细说明请参见表1。 表1 PASCAL VOC格式说明 字段 是否必选 说明 folder 是 表示数据源所在目录。 filename 是 被标注文件的文件名。

查看更多 →

点云标注任务 点云标注任务是指根据标注规范对点云图像中出现的车、人等标注物进行标注。点云距离单位默认为米。 图1 点云标注任务 绘制对象 单击点云标注任务，单击任意一帧，进入人工标注。 选择标注工具。 单击左侧工具栏“AI标注”（快捷键b）。 图2 选择标注工具 选择标注类别。

查看更多 →

”的图片，默认显示“未标注”的图片列表。 在“未标注”页签图片列表中，单击图片，自动跳转到标注页面。在标注页面，常用按钮的使用可参见表2。 选择标注方式。 在标注页面，上方工具栏提供了常用的标注方式及常用按钮，系统默认的标注方式为多边形标注。选择多边形标注或极点标注。 标注第一张

查看更多 →

如果OBS路径符合要求，请您按照服务具体情况执行3。 自动学习项目不同导致的失败原因可能不同。 图像识别训练失败请检查是否存在损坏图片，如有请进行替换或删除。 物体检测训练失败请检查数据集标注的方式是否正确，目前自动学习仅支持矩形标注。 预测分析训练失败请检查标签列的选取。标签列目前支持离散和连续型数据，只能选择一列。

查看更多 →

只支持JPG、JPEG、PNG、BMP格式的图片。 针对已标注数据，要求用户将标注对象和标注文件存储在同一目录，并且一一对应，如标注对象文件名为“IMG_20180919_114745.jpg”，那么标注文件的文件名应为“IMG_20180919_114745.xml”。 物体检测的标注文件需要满足PASCAL

查看更多 →

只支持JPG、JPEG、PNG、BMP格式的图片。 针对已标注数据，要求用户将标注对象和标注文件存储在同一目录，并且一一对应，如标注对象文件名为“IMG_20180919_114745.jpg”，那么标注文件的文件名应为“IMG_20180919_114745.xml”。 物体检测的标注文件需要满足PASCAL

查看更多 →

只支持JPG、JPEG、PNG、BMP格式的图片。 针对已标注数据，要求用户将标注对象和标注文件存储在同一目录，并且一一对应，如标注对象文件名为“IMG_20180919_114745.jpg”，那么标注文件的文件名应为“IMG_20180919_114745.xml”。 物体检测的标注文件需要满足PASCAL

查看更多 →

一任务中继承。 选择标注类别。标注下拉列表页选择一标注名，进入标注状态。 单击左侧标注工具栏，选择对应的标注工具。 在图片界面单击左侧工具栏“补框”，绘制2D框，此时右侧标注列表只展示关联对象的标注物。键盘按键“ESC”退出绘制状态，右侧标注列表展示所有的标注物。 图2 2D补框

查看更多 →

ModelArts标注数据丢失，看不到标注过的图片的标签 原因是删除了默认的标注作业，导致标签被删除。 父主题： 数据管理（旧版）

查看更多 →

。 如需要提前上传待标注的图片，请创建一个空文件夹，然后将图片文件保存在该文件夹下，图片的目录结构如：“/bucketName/data-cat/cat.jpg”。 如您将已标注好的图片上传至OBS桶，请按照如下规范上传。 图像分类数据集要求将标注对象和标注文件存储在同一目录，并且一一对应，例如标注对象文件名为“10

查看更多 →

人工标注：用户创建单人标注作业，对数据进行手工标注。 智能标注：在标注一定量的数据情况下，用户可以通过启动智能标注任务对数据进行自动标注，提高标注的效率。 团队标注：对于大批量的数据，用户可以通过创建团队标注作业，进行多人协同标注。 人工标注 对于不同类型的数据，用户可以选择不同的标注类型。当前ModelArts支持如下类型的标注作业：

查看更多 →

algorithm_type String 自动标注的算法类型。可选值如下： fast：快速型，仅使用已标注样本进行训练 accurate：准确型，除已标注样本外，会额外使用未标注的样本做半监督训练 ambiguity Boolean 是否通过图片模糊度来聚类。 annotation_output

查看更多 →

模型训练 完成图片标注后，可进行模型的训练。模型训练的目的是得到满足需求的图像分类模型。由于用于训练的图片，至少有2种以上的分类，每种分类的图片数不少于5张。因此在发布训练之前，请确保已标注的图片符合要求，否则右上方“开始训练”按钮会处于灰色状态。 操作步骤 在“自动学习”页面，单击

查看更多 →

准备数据 创建预测分析自动学习项目时，对训练数据有什么要求？ 物体检测或图像分类项目支持对哪些格式的图片进行标注和训练？ 父主题： 自动学习

查看更多 →

依托智慧教室的建设，为学校构建下一代数字学习环境，促进教学对象、教学内容、教学活动、教学工具、教学空间有机融合。 通过深度融合的软硬件集成，用一个应用满足教学一体化、管理一体化的需求，满足多场景教学的实际使用。依靠高清4K屏、收扩音系统，升级本地学生视听学习体验的同时让远端学生也都能看得清

查看更多 →

创建标注任务 如果用户需要标注本地的图片或是语音类文件，则需要先创建标注任务。 操作步骤 在数据服务左侧导航，选择“工具箱>数据标注>图片/音频标注”。 在“任务管理”界面，单击“创建任务”。 目前支持两种标注类型：语音类和图片类。 在“创建任务”界面，配置信息，参数说明见表1。

查看更多 →