dataset_id

是

String

数据集ID。

project_id

是

String

用户项目ID。获取方法请参见获取项目ID和名称。

limit

否

Integer

指定每一页返回的最大条目数，取值范围[1,100]，默认为10。

offset

否

Integer

分页列表的起始页，默认为0。

task_name

否

String

根据任务名称过滤。

type

否

String

任务类型，不传则默认返回智能标注（主动学习或预标注）任务列表。可选值如下：

auto-label：主动学习

pre-label：预标注

auto-grouping：自动分组

exist_running_deploy_task

Boolean

该数据集是否存在正在运行（包括初始化）的一键模型上线任务。可选值如下：

true：数据集存在正在运行的一键模型上线任务

false：数据集不存在正在运行的一键模型上线任务

tasks

Array of RunningTask objects

任务列表。

total_count

Integer

任务总数。

annotated_sample_count

Integer

已标注样本数量。

code

String

错误码。

config

SmartTaskConfig object

任务配置。

create_time

String

任务创建时间。

dataset_id

String

数据集ID。

elapsed_time

Long

执行时间。

error_code

String

错误码。

error_detail

String

错误详情。

error_msg

String

错误信息。

message

String

错误信息。

model_id

String

模型ID。

model_name

String

模型名称。

model_version

String

模型版本。

progress

Float

任务当前进度百分比。

result

Result object

任务结果。

status

Integer

任务状态。

task_id

String

任务ID。

task_name

String

任务名称。

total_sample_count

Integer

样本总数量。

type

Integer

任务类型。

unconfirmed_sample_count

Integer

待确认样本数量。

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

String

主动学习标注结果输出路径。

collect_rule

String

样本收集规则，默认为全量收集规则“all”。当前仅支持全量收集规则“all”。

collect_sample

Boolean

是否启用样本收集。可选值如下：

true：启用样本收集（默认值）

false：不启用样本收集

confidence_scope

String

关键样本置信度范围，用中划线隔开最小值和最大值。比如：“0.10-0.90”。

description

String

任务描述。

engine_name

String

引擎名称。

export_format

Integer

导出的目录格式。可选值如下：

1：树状结构。如：rabbits/1.jpg,bees/2.jpg。

2：平铺结构。如：1.jpg, 1.txt;2.jpg,2.txt。

export_params

ExportParams object

导出数据集任务的参数。

flavor

Flavor object

训练资源规格。

image_brightness

Boolean

是否通过图片亮度来聚类。

image_colorfulness

Boolean

是否通过图片色彩来聚类。

inf_cluster_id

String

专属集群ID，默认为空，不使用专属集群；使用专属集群部署服务时需确保集群状态正常；配置此参数后，则使用集群的网络配置，vpc_id参数不生效。

inf_config_list

Array of InfConfig objects

运行推理任务需要的配置列表，可选填，默认为空。

inf_output

String

主动学习中推理的输出路径。

infer_result_output_dir

String

样本预测结果输出OBS目录,可以不输入，默认使用output_dir目录下的{service_id}-infer-result子目录。

key_sample_output

String

主动学习中难例的输出路径。

log_url

String

训练作业的日志OBS输出路径URL，默认为空。

manifest_path

String

manifest路径，给训练、推理作为输入。

model_id

String

模型ID。

model_name

String

模型名称。

model_parameter

String

模型参数。

model_version

String

模型版本。

n_clusters

Integer

聚类数。

name

String

任务名称。

output_dir

String

样本输出路径，格式：数据集输出路径+数据集名称+“-”+数据集ID+“/annotation/auto-deploy/”。例如：“/test/work_1608083108676/dataset123-g6IO9qSu6hoxwCAirfm/annotation/auto-deploy/”。

parameters

Array of TrainingParameter objects

训练作业的运行参数列表。

pool_id

String

资源池ID。

property

String

属性名。

req_uri

String

批量任务中调用的推理路径。

result_type

Integer

自动分组结果处理方式。可选值如下：

0：保存到OBS

1：保存到样本

samples

Array of SampleLabels objects

需要进行自动标注的样本标注信息列表。

stop_time

Integer

超时等待时间（单位是分钟），默认15分钟，此参数仅视频自动标注场景使用。

time

String

主动学习中的时间戳。

train_data_path

String

已有训练数据集路径。

train_url

String

训练作业的输出文件OBS路径URL，默认为空。

version_format

String

数据集版本格式。可选值如下：

Default：默认格式

CarbonData：Carbon格式（仅表格数据集支持）

CSV：CSV格式

worker_server_num

Integer

训练作业worker的个数。

clear_hard_property

Boolean

是否清空难例属性。可选值如下：

true：清空难例属性（默认值）

false：不清空难例属性

export_dataset_version_format

String

导出数据集版本的格式。

export_dataset_version_name

String

导出数据集版本的名称。

export_dest

String

数据集导出类型。可选值如下：

DIR：导出到OBS（默认值）

NEW_DATASET：导出到新数据集

export_new_dataset_name

String

导出新数据集的名称。

export_new_dataset_work_path

String

导出新数据集的工作目录。

ratio_sample_usage

Boolean

指定切分比例后，是否按指定比例随机分配训练-验证集。可选值如下：

true：主动随机分配训练集-验证集

false：不主动随机分配训练集-验证集（默认值）

sample_state

String

样本状态。可选样本状态如下：

__ALL__：已标注

__NONE__：未标注

__UNCHECK__：待验收

__ACCEPTED__：验收通过

__REJECTED__：已驳回

__UNREVIEWED__：待审核

__REVIEWED__：已审核

__WORKFORCE_SAMPLED__：已采样

__WORKFORCE_SAMPLED_UNCHECK__：采样待验收

__WORKFORCE_SAMPLED_CHECKED__：采样已验收

__WORKFORCE_SAMPLED_ACCEPTED__：采样已通过

__WORKFORCE_SAMPLED_REJECTED__：采样已驳回

__AUTO_ANNOTATION__：待确认

samples

Array of strings

导出的样本ID列表。

search_conditions

Array of SearchCondition objects

导出的筛选条件，多个条件之间是或(OR)关系。

train_sample_ratio

String

指定发布版本时训练集-验证集的切分比例，默认为1.00，即全部分为训练集。

coefficient

String

根据难度系数筛选。

frame_in_video

Integer

视频中某帧。

hard

String

样本级别是否难例。可选值如下：

0：非难例样本

1：难例样本

import_origin

String

根据数据来源筛选。

kvp

String

CT剂量，通过剂量来筛选。

label_list

SearchLabels object

标签搜索条件。

labeler

String

标注人。

metadata

SearchProp object

通过样本属性搜索。

parent_sample_id

String

父样本ID。

sample_dir

String

根据样本所在目录搜索（目录需要以/结尾），只搜索指定目录下的样本，不支持目录递归搜索。

sample_name

String

根据样本名称搜索（含后缀名）。

sample_time

String

样本加入到数据集时，会根据样本在OBS上的最后修改时间(精确到天)建立索引，此处可以根据此时间进行搜索。可选值如下：

month：搜索往前30天至今天内添加的样本

day：搜索昨天(往前1天)至今天内添加的样本

yyyyMMdd-yyyyMMdd：搜索指定时间段内添加的样本，格式为“起始日期-结束日期”，查询天数不能超过30天。例如：“20190901-2019091501”表示搜索2019年9月1日至2019年9月15日期间的样本。

score

String

根据置信度筛选。

slice_thickness

String

DICOM层厚，通过层厚筛选样本。

study_date

String

DICOM扫描时间。

time_in_video

String

视频中某个时间。

labels

Array of SearchLabel objects

标签搜索条件列表。

op

String

如要搜索多个标签，则op需要有值；如果只搜索一个标签，则无需指定op的值。可选值如下：

OR：或操作

AND：与操作

name

String

标签名。

op

String

多个属性之间的操作类型。可选值如下：

OR：或操作

AND：与操作

property

Map<String,Array>

标签属性，是Object格式，存放任意的键值对；key是属性名称，value是取值列表，如value为null表示不根据值搜索，否则搜索的值满足列表中任意一个即可。

type

Integer

标签类型。可选值如下：

0：图像分类

1：物体检测

3: 图像分割

100：文本分类

101：命名实体

102：文本三元组关系标签

103：文本三元组实体标签

200：语音分类

201：语音内容

202：语音分割

600：视频标注

op

String

多个属性值之间的关系。可选值如下：

AND：与关系

OR：或关系

props

Map<String,Array>

属性的搜索条件，可以有多个属性条件。

code

String

资源规格的属性编码，用于创建作业。

envs

Map

运行模型需要的环境变量键值对，可选填，默认为空。为确保您的数据安全，在环境变量中，请勿输入敏感信息。

instance_count

Integer

模型部署的实例数，即计算节点的个数。

model_id

String

模型ID。

specification

String

在线服务的资源规格。详见部署服务

weight

Integer

权重百分比，分配到此模型的流量权重；仅当infer_type为real-time时需要配置，多个权重相加必须等于100。

label

String

参数名。

value

String

参数值。

annotated_sample_count

Integer

已标注样本数量。

confidence_scope

String

置信度范围，取值范围为[0,1]。

dataset_name

String

数据集名称，名称只能是中文、字母、数字、下划线或中划线组成的合法字符串，长度为1-100位。

dataset_type

String

数据集类型。可选值如下：

0：图像分类

1：物体检测

3: 图像分割

100：文本分类

101：命名实体

102：文本三元组

200：声音分类

201：语音内容

202：语音分割

400：表格数据集

600：视频标注

900：自由格式

description

String

描述。

dlf_model_job_name

String

DLF模型推理作业名称。

dlf_service_job_name

String

DLF在线服务作业名称。

dlf_train_job_name

String

DLF训练作业名称。

events

Array of Event objects

事件。

hard_example_path

String

难例的存放路径。

hard_select_tasks

Array of HardSelectTask objects

难例筛选作业列表。

manifest_path

String

manifest文件的存放路径。

model_id

String

模型ID。

model_name

String

模型名称。

model_version

String

模型版本。

samples

Array of SampleLabels objects

视频在线服务推理结果。

service_id

String

在线服务ID。

service_name

String

在线服务名称。

service_resource

String

用户绑定的在线服务资源ID。

total_sample_count

Integer

样本总数量。

train_data_path

String

训练数据的存放路径。

train_job_id

String

训练作业ID。

train_job_name

String

训练作业名称。

unconfirmed_sample_count

Integer

待确认样本数量。

version_id

String

数据集版本ID。

version_name

String

数据集版本名称。

workspace_id

String

工作空间ID。未创建工作空间时默认值为“0”，存在创建并使用的工作空间，以实际取值为准。

create_time

Long

事件创建时间。

description

String

描述。

elapsed_time

Long

时间执行时间。

error_code

String

错误码。

error_message

String

错误信息。

events

Array of Event objects

子事件列表。

level

Integer

事件级别。

name

String

事件名称。

ordinal

Integer

排序序号。

parent_name

String

上层事件名称。

status

String

状态。可选值如下：

waiting：等待中

running：运行中

failed：已失败

success：成功

create_at

Long

创建时间。

dataset_id

String

数据集ID。

dataset_name

String

数据集名称。

hard_select_task_id

String

难例筛选任务ID。

task_status

String

任务状态。

time

Long

执行时间。

update_at

Long

更新时间。

labels

Array of SampleLabel objects

样本标签列表，为空表示删除样本的所有标签。

metadata

SampleMetadata object

样本metadata属性键值对。

sample_id

String

样本ID。

sample_type

Integer

样本类型。可选值如下：

0：图像

1：文本

2：语音

4：表格

6：视频

9：自由格式

sample_usage

String

样本用处。可选值如下：

TRAIN：训练

EVAL：验证

TEST：测试

INFERENCE：推理

source

String

样本数据源地址，通过调用样本列表接口获取。

worker_id

String

团队标注的成员ID。

annotated_by

String

视频标注途径，用于区分标签是人工标注的还是自动标注的。可选值如下：

human：人工标注

auto：自动标注

id

String

标签ID。

name

String

标签名。

property

SampleLabelProperty object

样本标签的属性键值对，如物体形状、形状特征等。

score

Float

置信度，取值范围为[0,1]

type

Integer

标签类型。可选值如下：

0：图像分类

1：物体检测

3: 图像分割

100：文本分类

101：命名实体

102：文本三元组关系标签

103：文本三元组实体标签

200：语音分类

201：语音内容

202：语音分割

600：视频标注

@modelarts:content

String

语音标签（包含语音内容和语音起止点）专用内置属性：语音文本内容。

@modelarts:end_index

Integer

命名实体标签专用内置属性：文本的结束位置，但不包括end_index所指的字符。例如：

文本内容为“Barack Hussein Obama II (born August 4, 1961) is a attorney and politician.”，则其中人名“Barack Hussein Obama II”的start_index为0，end_index为23。

文本内容为“截止到2018年底，本公司人员规模已经超过100”，则其中时间“2018年底”的start_index为3，end_index为9。

@modelarts:end_time

String

语音起止点标签专用内置属性：语音的结束时间，格式“hh:mm:ss.SSS”(其中hh表示小时，mm表示分钟，ss表示秒，SSS表示毫秒)。

@modelarts:feature

Object

物体检测标签专用内置属性：形状特征，类型为List。以图片的左上角为坐标原点[0, 0]，每个坐标点的表示方法为[x, y]，x表示横坐标，y表示纵坐标(x和y均>=0)。每种形状的格式如下：

bndbox [[0,10],[50,95]] 两个点组成，矩形的左上角为第一个点，矩形的右下角为第二个点(即第一个点x坐标一定小于第二个点的x坐标，第一个点y坐标一定小于第二个点的y坐标)。

polygon [[0,100],[50,95],[10,60],[500,400]] 多个点组成，按顺序连接成一个多边形。

circle [[100,100],[50]] 一个圆心点和半径组成。

line [[0,100],[50,95]] 两个点组成，第一个点起始点，第二个点为终止点。

dashed [[0,100],[50,95]] 两个点组成，第一个点起始点，第二个点为终止点。

point [[0,100]] 一个点组成。

polyline [[0,100],[50,95],[10,60],[500,400]] 折线，多个点组成。

@modelarts:from

String

三元组关系标签专用内置属性：三元组关系标签的起始实体ID。

@modelarts:hard

String

内置属性：标签级别是否难例。可选值为：

0/false：非难例

1/true：难例

@modelarts:hard_coefficient

String

内置属性：标签级别难度系数。范围为[0,1]。

@modelarts:hard_reasons

String

内置属性：标签级别难例原因。通过中划线间隔单个难例原因ID，例如：“3-20-21-19”。难例原因ID可选值如下：

0：未识别出任何目标物体。

1：置信度偏低。

2：基于训练数据集的聚类结果和预测结果不一致。

3：预测结果和训练集同类别数据差异较大。

4：连续多张相似图片的预测结果不一致。

5：图像的分辨率与训练数据集的特征分布存在较大偏移。

6：图像的高宽比与训练数据集的特征分布存在较大偏移。

7：图像的亮度与训练数据集的特征分布存在较大偏移。

8：图像的饱和度与训练数据集的特征分布存在较大偏移。

9：图像的色彩丰富程度与训练数据集的特征分布存在较大偏移。

10：图像的清晰度与训练数据集的特征分布存在较大偏移。

11：图像的目标框数量与训练数据集的特征分布存在较大偏移。

12：图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。

13：图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。

14：图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。

15：图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。

16：图像中目标框的亮度与训练数据集的特征分布存在较大偏移。

17：图像中目标框的清晰度与训练数据集的特征分布存在较大偏移。

18：图像中目标框的堆叠程度与训练数据集的特征分布存在较大偏移。

19：基于gaussianblur的数据增强与原图预测结果不一致。

20：基于fliplr的数据增强与原图预测结果不一致。

21：基于crop的数据增强与原图预测结果不一致。

22：基于flipud的数据增强与原图预测结果不一致。

23：基于scale的数据增强与原图预测结果不一致。

24：基于translate的数据增强与原图预测结果不一致。

25：基于shear的数据增强与原图预测结果不一致。

26：基于superpixels的数据增强与原图预测结果不一致。

27：基于sharpen的数据增强与原图预测结果不一致。

28：基于add的数据增强与原图预测结果不一致。

29：基于invert的数据增强与原图预测结果不一致。

30：数据被预测为异常点。

@modelarts:shape

String

物体检测标签专用内置属性：物体形状，默认为空。可选值如下：

bndbox：矩形。

polygon：多边形。

circle：圆形。

line：直线。

dashed：虚线。

point：点。

polyline：折线。

@modelarts:source

String

语音起止点标签专用内置属性：语音来源(例如说话人/旁白等)。

@modelarts:start_index

Integer

命名实体标签专用内置属性：文本的起始位置，值从0开始，包括start_index所指的字符。

@modelarts:start_time

String

语音起止点标签专用内置属性：语音的起始时间，格式“hh:mm:ss.SSS”(其中hh表示小时，mm表示分钟，ss表示秒，SSS表示毫秒)。

@modelarts:to

String

三元组关系标签专用内置属性：三元组关系标签的指向实体ID。

@modelarts:import_origin

Integer

内置属性：样本来源。

@modelarts:hard

Double

内置属性：样本级别是否难例。可选值为：

0：非难例

1：难例

@modelarts:hard_coefficient

Double

内置属性：样本级别难度系数。范围为[0,1]。

@modelarts:hard_reasons

Array of integers

内置属性：样本级别难例原因ID列表。难例原因ID可选值如下：

0：未识别出任何目标物体。

1：置信度偏低。

2：基于训练数据集的聚类结果和预测结果不一致。

3：预测结果和训练集同类别数据差异较大。

4：连续多张相似图片的预测结果不一致。

5：图像的分辨率与训练数据集的特征分布存在较大偏移。

6：图像的高宽比与训练数据集的特征分布存在较大偏移。

7：图像的亮度与训练数据集的特征分布存在较大偏移。

8：图像的饱和度与训练数据集的特征分布存在较大偏移。

9：图像的色彩丰富程度与训练数据集的特征分布存在较大偏移。

10：图像的清晰度与训练数据集的特征分布存在较大偏移。

11：图像的目标框数量与训练数据集的特征分布存在较大偏移。

12：图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。

13：图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。

14：图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。

15：图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。

16：图像中目标框的亮度与训练数据集的特征分布存在较大偏移。

17：图像中目标框的清晰度与训练数据集的特征分布存在较大偏移。

18：图像中目标框的堆叠程度与训练数据集的特征分布存在较大偏移。

19：基于gaussianblur的数据增强与原图预测结果不一致。

20：基于fliplr的数据增强与原图预测结果不一致。

21：基于crop的数据增强与原图预测结果不一致。

22：基于flipud的数据增强与原图预测结果不一致。

23：基于scale的数据增强与原图预测结果不一致。

24：基于translate的数据增强与原图预测结果不一致。

25：基于shear的数据增强与原图预测结果不一致。

26：基于superpixels的数据增强与原图预测结果不一致。

27：基于sharpen的数据增强与原图预测结果不一致。

28：基于add的数据增强与原图预测结果不一致。

29：基于invert的数据增强与原图预测结果不一致。

30：数据被预测为异常点。

@modelarts:size

Array of objects

内置属性：图像尺寸（图像的宽度、高度、深度），类型为List[/topic/body/section/table/tgroup/tbody/row/entry/p/br {“”}) (br]。列表中的第一个数字为宽度(像素)，第二个数字为高度(像素)，第三个数字为深度(深度可以没有，默认为3)，如[100,200,3]和[100,200]均合法。 说明：只有当样本的标签列表包含物体检测标签时，此字段必选。

200

OK

401

Unauthorized

403

Forbidden

404

Not Found