DAY13 在 Azure Machine Learning 裡 Label data（中）

昨天我們做好了寶可夢影像檔的 Datastore，今天我們就來建立 Label Data 的專案吧！

Label Data 專案設置

1. 我們在左邊選單中點選 Data Labeling，然後點擊中間的 Create。
   

2. 接著會跳出一個視窗，我們來開始一連串的建立流程吧！我們先看到中間的 Media Type 來做說明。Image 這個有四種不同的選項，分別說明如下：

• Image Classification Multi-class：這個是一張影像一個答案的題目。例如說這個影像裡只有狗、或是只有貓，就用選擇這個。
• Image Classification Multi-label：這個是一張影像裡會有多個答案的題目。例如說照片中會同時出現貓和狗，或是更多的要分類的類別在裡面。
• Object Identification(Bounding Box)：這個是物件偵測用的，會要拉一個 Bounding Box 把目標物件框起來，常見的算法如 YOLO 系列，就會使用這種做標記
• Instance Segmentation(ploygon)：這個是物件分割的題目時用的，會把欲辨識的目標切得更細，常見的算法如 Mask-RCNN 之類的。
  

3. Text 這個有兩種不同的選項，就顧名思義就是一句話一個 Label，或是一句話多個 Label。
   

4. 我們這次的題目是要分別出皮卡丘和謎擬Q，因此我們就選擇 Image Classification Multi-class 吧！把專案名稱取名為 Pokemon，按下 Next。
   

5. 接著我們點左上角的 Create dataset，選 From datastore。
   

6. 接著會跳出一個視窗，我們來建立一個 Dataset，填入名稱和描述後，按 Next。
   

7. 接著選擇 Datastore，選到我們昨天建立好的 Datastore，在 Path 那裡輸入 * 號，代表裡面的照片我們都要。你也可以用過濾你要的檔案。
   

8. 接著就點 Create。
   

9. 再選起那個剛剛建立的 Dataset，按 Next。
   

10. Incremental refresh 這裡可以勾起來，會幫我們檢查新 data。
    

11. 接著輸入你要標記的答案，我們就輸入 Pikachu 和 Mimikyu，這裡建議再預留著一個 Other 類別，以避免資料集裡出現其他的東西。然後按 Next。
    

12. 這個是標記的指導文件。我們之前說過，Azure Machine Learning 是一個適合多人協作的平台，這個頁面是讓你把標記的專案給其他團隊成員做時，能夠有個參考依據。這邊我們先隨便打一些東西。
    

13. 這個頁面是 Azure 提供 AI 輔助標記，不過只對於一些常見的類別有用，對於寶可夢是沒有作用的，建議可以關起來。然後點 Create Project。
    

14. 接著等待一下就會完成啦！
    

結果今天又破千字了，寫 Markdown 真的很會字數很多。

今天我們已經把資料標記的專案建立好了，明天我們就來學習怎麼做資料標記，以及如何把標記好的資料給匯出。