Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Erstellen eines Kennzeichnungsauftrags
<a name="sms-create-labeling-job"></a>

Sie können einen Labeling-Job in der Amazon SageMaker AI-Konsole erstellen und zur Ausführung ein AWS SDK in Ihrer bevorzugten Sprache verwenden`CreateLabelingJob`. Nachdem ein Kennzeichnungsauftrag erstellt wurde, können Sie Auftragnehmermetriken (für private Arbeitskräfte) und den Status Ihres Kennzeichnungsauftrags mit [CloudWatch](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-monitor-cloud-watch.html) verfolgen.

Bevor Sie einen Beschriftungsauftrag erstellen, sollten Sie sich gegebenenfalls die folgenden Seiten durchlesen:
+ Sie können Ihre Eingabedaten mithilfe einer automatischen Dateneinrichtung in der Konsole oder mithilfe einer Eingabemanifestdatei in der Konsole oder bei Verwendung der `CreateLabelingJob` API angeben. Informationen zur automatisierten Dateneinrichtung finden Sie unter [Automatisieren der Dateneinrichtung für Kennzeichnungsaufträge](sms-console-create-manifest-file.md). Informationen zum Erstellen einer Eingabe-Manifest-Datei finden Sie unter [Eingabemanifestdateien](sms-input-data-input-manifest.md).
+ Überprüfen Sie die Eingabedatenkontingente für Beschriftungsauftrag: [Eingabedatenkontingente](input-data-limits.md).

Nachdem Sie den Aufgabentyp ausgewählt haben, verwenden Sie die Themen auf dieser Seite, um zu erfahren, wie Sie einen Kennzeichnungsauftrag erstellen.

Wenn Sie ein neuer Ground-Truth-Benutzer sind, empfehlen wir Ihnen, mit der Demo in [Erste Schritte: Erstellen eines Kennzeichnungsauftrags mit Begrenzungsrahmen über Ground Truth](sms-getting-started.md) zu beginnen.

**Wichtig**  
Ground Truth verlangt, dass an alle S3-Buckets, die Eingabe-Image-Daten für Beschriftungsaufträge enthalten, eine CORS-Richtlinie angehängt ist. Weitere Informationen hierzu finden Sie unter [CORS-Anforderung für Eingabebilddaten](sms-cors-update.md).

**Topics**
+ [Integrierte Aufgabentypen](sms-task-types.md)
+ [Erstellen von Anweisungsseiten](sms-creating-instruction-pages.md)
+ [Erstellen eines Kennzeichnungsauftrags (Konsole)](sms-create-labeling-job-console.md)
+ [Erstellen eines Kennzeichnungsauftrags (API)](sms-create-labeling-job-api.md)
+ [Erstellen eines Streaming-Beschriftungsjobs](sms-streaming-create-job.md)
+ [Referenz zur Konfigurationsdatei für Kennzeichnungskategorien mit Kennzeichnungskategorie- und Frame-Attributen](sms-label-cat-config-attributes.md)

# Integrierte Aufgabentypen
<a name="sms-task-types"></a>

Amazon SageMaker Ground Truth verfügt über mehrere integrierte Aufgabentypen. Ground Truth bietet eine Worker-Aufgabenvorlage für integrierte Aufgabentypen. Darüber hinaus werden einige integrierte Aufgabentypen unterstützt [Automatisieren des Daten-Labeling](sms-automated-labeling.md). In den folgenden Themen werden die einzelnen integrierten Aufgabentypen beschrieben und die Auftragnehmer-Aufgabenvorlagen veranschaulicht, die von Ground Truth in der Konsole bereitgestellt werden. Informationen zum Erstellen eines Beschriftungsauftrags in der Konsole mithilfe einer dieser Aufgabentypen finden Sie auf der Seite „Aufgabentyp“.


****  

| Beschriftungsbilder | Beschriftungsabdruck | Beschriftungsvideos und Videorahmen beschriften | Beschriften von 3D-Punktwolken | 
| --- | --- | --- | --- | 
|  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sms-task-types.html)  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sms-task-types.html)  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sms-task-types.html)  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sms-task-types.html)  | 

**Anmerkung**  
Für jeden der Aufgabentypen Videoframe und 3D-Punktwolke gibt es einen *Anpassung* des Aufgabentypes, mit dem Sie Beschriftungen aus einem früheren Beschriftungsauftrag überprüfen und anpassen können. Wählen Sie oben eine Seite mit dem Aufgabentyp „Videoframe“ oder „3D-Punktwolke“ aus, um zu erfahren, wie Sie Beschriftungen anpassen können, die mit diesem Aufgabentyp erstellt wurden. 

# Erstellen von Anweisungsseiten
<a name="sms-creating-instruction-pages"></a>

Erstellen Sie benutzerdefinierte Anweisungen für Kennzeichnungsaufträge, damit Ihre Auftragnehmer ihre Aufgaben genauer erledigen können. Sie können die Standardanweisungen in der Konsole ändern oder Ihre eigenen Anweisungen erstellen. Die Anweisungen werden dem Auftragnehmer auf der Seite angezeigt, auf der er seine Labeling-Aufgaben erledigt.

Es gibt zwei Arten von Anweisungen:
+ *Kurze Anweisungen* – Anweisungen, die auf derselben Webseite angezeigt werden, auf der der Auftragnehmer seine Aufgabe erledigt. Diese Anweisungen sollten als einfache Referenz dienen, um dem Auftragnehmer zu zeigen, wie Objekte richtig mit Kennzeichnungen versehen werden.
+ *Vollständige Anweisungen* – Anweisungen, die in einem Dialogfeld angezeigt werden, das die Seite überlagert, auf der der Worker seine Aufgabe erledigt. Wir empfehlen, dass Sie detaillierte Anweisungen für die Aufgaben bereitstellen, einschließlich verschiedener Beispiele mit Sonderfällen und anderen schwierigen Situationen beim Kennzeichnen von Objekten.

Erstellen Sie Anweisungen in der Konsole, wenn Sie Ihren Kennzeichnungsauftrag erstellen. Beginnen Sie mit den vorhandenen Anweisungen für die Aufgabe und verwenden Sie den Editor, um sie entsprechend Ihrem Kennzeichnungsauftrag anzupassen.

**Anmerkung**  
Sobald Sie Ihren Kennzeichnungsauftrag erstellt haben, wird er automatisch gestartet und Sie können Ihre Anweisungen für Auftragnehmer nicht mehr ändern. Wenn Sie Ihre Anweisungen für Auftragnehmer ändern müssen, beenden Sie den von Ihnen erstellten Kennzeichnungsauftrag, klonen Sie ihn und ändern Sie Ihre Anweisungen für Auftragnehmer, bevor Sie einen neuen Auftrag erstellen.   
Sie können einen Labeling-Job in der Konsole klonen, indem Sie den Labeling-Job auswählen und dann im Menü **Aktionen** auf **Klonen** klicken.   
Um einen Beschriftungsauftrag mit der Amazon SageMaker API oder Ihrem bevorzugten Amazon SageMaker SDK zu klonen, stellen Sie eine neue Anforderung an die `CreateLabelingJob`-Operation mit denselben Spezifikationen wie Ihr ursprünglicher Auftrag, nachdem Sie Ihre Auftragnehmeranweisungen geändert haben. 

Für die Beschriftung von 3D-Punktwolken und Videobildern können Sie Ihrer Konfigurationsdatei für die Beschriftungskategorie Arbeitsanweisungen hinzufügen. Sie können eine einzelne Zeichenfolge verwenden, um Anweisungen zu erstellen, oder Sie können HTML-Markup hinzufügen, um das Aussehen Ihrer Anweisungen anzupassen und Bilder hinzuzufügen. Stellen Sie sicher, dass alle Bilder, die Sie in Ihre Anleitungen aufnehmen, öffentlich zugänglich sind, oder, wenn Ihre Anleitungen in Amazon S3 gespeichert sind, dass Ihre Mitarbeiter Lesezugriff haben, damit sie sie ansehen können. Weitere Hinweise zur Konfigurationsdatei der Beschriftungskategorie finden Sie unter [Referenz zur Konfigurationsdatei für Kennzeichnungskategorien mit Kennzeichnungskategorie- und Frame-Attributen](sms-label-cat-config-attributes.md).

## Kurze Anweisungen
<a name="sms-creating-quick-instructions"></a>

Kurze Anweisungen werden auf der Webseite angezeigt, die Auftragnehmer für das Kennzeichnen Ihrer Datenobjekte verwenden. Nachfolgend sehen Sie beispielsweise die Bearbeitungsseite für einen Begrenzungsrahmen-Auftrag. Der Bereich für die kurzen Anweisungen befindet sich links.

![\[\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/sms-instructions-10.png)


Denken Sie daran, dass Auftragnehmer sich die kurzen Anweisungen nur einige Sekunden lang ansehen werden. Die Auftragnehmer müssen in der Lage sein, Ihre Informationen schnell zu lesen und zu verstehen. Das Verstehen der Anweisungen sollte in jedem Fall weniger Zeit erfordern als das Ausführen der eigentlichen Aufgabe. Beachten Sie die folgenden Punkte:
+ Ihre Anweisungen sollten klar und einfach sein.
+ Bilder sind besser als Wörter. Erstellen Sie eine einfache bildliche Darstellung Ihrer Aufgabe, die Ihre Auftragnehmer sofort verstehen können.
+ Wenn Sie Wörter verwenden müssen, verwenden Sie kurze, präzise Beispiele.
+ Ihre kurzen Anweisungen sind wichtiger als Ihre umfassenden Anweisungen.

Die Amazon SageMaker Ground Truth-Konsole bietet einen Editor, mit dem Sie Ihre Kurzanleitungen erstellen können. Ersetzen Sie den Platzhaltertext und die Images durch Anweisungen für Ihre Aufgabe. Sehen Sie sich eine Vorschau der Aufgabenseite des Auftragnehmers an, indem Sie **Preview (Vorschau)** auswählen. Die Vorschau wird in einem neuen Fenster geöffnet. Deaktivieren Sie den Pop-up-Blocker, damit das Fenster angezeigt wird.

## Umfassende Anweisungen
<a name="sms-creating-full-instructions"></a>

Sie können zusätzliche Anweisungen für Ihre Auftragnehmer in einem Dialogfeld bereitstellen, das die Seite überlagert, die die Auftragnehmer für die Kennzeichnung Ihrer Datenobjekte nutzen. Verwenden Sie die umfassenden Anweisungen, um komplexere Aufgaben zu erläutern und Auftragnehmern zu zeigen, wie die Kennzeichnung in Sonderfällen oder bei anderen schwierigen Objekten richtig ist.

Sie können vollständige Anweisungen mit einem Editor in der Ground-Truth-Konsole erstellen. Beachten Sie wie bei den kurzen Anweisungen folgende Punkte:
+ Auftragnehmer benötigen am Anfang detaillierte Anweisungen, wenn sie sich die ersten Male mit Ihrer Aufgabe befassen. Alle *zwingend erforderlichen* Informationen sollten in den kurzen Anweisungen sein.
+ Bilder sind wichtiger als Wörter.
+ Text sollte präzise sein.
+ Die umfassenden Anweisungen sollten die kurzen Anweisungen ergänzen. Wiederholen Sie keine Informationen, die auch in den kurzen Anweisungen vorhanden sind.

Die Ground-Truth-Konsole bietet einen Editor, mit dem Sie Ihre vollständigen Anweisungen erstellen können. Ersetzen Sie den Platzhaltertext und die Images durch Anweisungen für Ihre Aufgabe. Sehen Sie sich eine Vorschau der Seite mit den umfassenden Anweisungen an, indem Sie **Preview (Vorschau)** auswählen. Die Vorschau wird in einem neuen Fenster geöffnet. Deaktivieren Sie den Pop-up-Blocker, damit das Fenster angezeigt wird.

## Hinzufügen von Beispielbildern zu Ihren Anweisungen
<a name="sms-using-s3-images"></a>

Bilder stellen nützliche Beispiele für Ihre Mitarbeiter dar. So fügen Sie Ihren Anweisungen ein öffentlich zugängliches Bild hinzu:
+ Platzieren Sie den Cursor auf jene Stelle, wo das Bild im Anweisungseditor erscheinen soll.
+ Klicken Sie auf das Bildsymbol in der Editor-Symbolleiste.
+ Geben Sie die URL Ihres Bilds ein.

Wenn Ihr Anweisungs-Image in Amazon S3 nicht öffentlich zugänglich ist:
+ Geben Sie Folgendes als Bild-URL ein: `{{ 'https://s3.amazonaws.com/your-bucket-name/image-file-name' | grant_read_access }}`.
+ Dies fügt der Bild-URL einen kurzlebigen, einmaligen Zugangscode an, über den der Browser des Mitarbeiters das Bild anzeigen kann. Im Anweisungseditor wird ein fehlerhaftes Bildsymbol angezeigt, jedoch stellt die Vorschau das Bild gerendert dar.

# Erstellen eines Kennzeichnungsauftrags (Konsole)
<a name="sms-create-labeling-job-console"></a>

Sie können die Amazon SageMaker AI-Konsole verwenden, um einen Labeling-Job für alle in Ground Truth integrierten Aufgabentypen und benutzerdefinierten Label-Workflows zu erstellen. Für integrierte Aufgabentypen empfehlen wir, diese Seite zusammen mit der [Seite für Ihren Aufgabentyp](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) zu verwenden. Jede Aufgabentypseite enthält spezifische Informationen zur Erstellung eines Beschriftungsauftrags mit diesem Aufgabentyp. 

Sie müssen Folgendes angeben, um einen Labeling-Job in der SageMaker AI-Konsole zu erstellen: 
+ Eine Eingabemanifestdatei in Amazon S3. Sie können Ihren Eingabedatensatz in Amazon S3 platzieren und mithilfe der Ground-Truth-Konsole automatisch eine Manifestdatei generieren (wird für 3D-Punktwolken-Beschriftungsaufträge nicht unterstützt). 

  Alternativ können Sie manuell eine Eingabemanifestdatei erstellen. Um zu erfahren wie dies geht, vgl. [Eingabedaten](sms-data-input.md).
+ Ein Amazon-S3-Bucket, um Ihre Ausgabedaten zu speichern.
+ Eine IAM-Rolle mit der Erlaubnis, auf Ihre Ressourcen in Amazon S3 zuzugreifen, und mit der eine SageMaker AI-Ausführungsrichtlinie verknüpft ist. Für eine allgemeine Lösung können Sie die verwaltete Richtlinie an eine IAM-Rolle anhängen und sie `sagemaker` in Ihren Bucket-Namen aufnehmen. AmazonSageMakerFullAccess 

  Genauere Richtlinien finden Sie unter [IAM-Berechtigungen zur Verwendung von Ground Truth zuweisen](sms-security-permission.md). 

  3D-Punktwolken-Aufgabentypen erfordern zusätzliche Sicherheitsaspekte. [Weitere Informationen](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-general-information.html#sms-security-permission-3d-point-cloud). 
+ Ein Arbeitsteam. Sie stellen ein Arbeitsteam aus einer Arbeitskraft zusammen, die sich aus Auftragnehmern von Amazon Mechanical Turk, Lieferanten oder Ihren eigenen privaten Auftragnehmern zusammensetzt. Weitere Informationen finden Sie unter [Arbeitskräfte](sms-workforce-management.md).

  Sie können die Mechanical Turk-Arbeitskraft nicht für 3D-Punktwolken-Beschriftungsaufträge verwenden. 
+ Wenn Sie einen benutzerdefinierten Beschriftungs-Workflow verwenden, müssen Sie eine Aufgabenvorlage für Auftragnehmer in Amazon S3 speichern und einen Amazon-S3-URI für diese Vorlage bereitstellen. Weitere Informationen finden Sie unter [Erstellen einer benutzerdefinierte Vorlage für Auftragnehmeraufgaben](sms-custom-templates-step2.md).
+ (Optional) Ein AWS KMS Schlüssel-ARN, wenn Sie möchten, dass SageMaker KI die Ausgabe Ihres Labeling-Jobs mit Ihrem eigenen AWS KMS Verschlüsselungsschlüssel anstelle des standardmäßigen Amazon S3-Serviceschlüssels verschlüsselt.
+ (Optional) Vorhandene Beschriftungen für den Datensatz, den Sie für Ihren Kennzeichnungsauftrag verwenden. Verwenden Sie diese Option, wenn Auftragnehmer Beschriftungen anpassen oder genehmigen und ablehnen sollen.
+ Wenn Sie einen Auftrag zur Anpassung oder Überprüfung der Beschriftung erstellen möchten, benötigen Sie in Amazon S3 eine Ausgabe-Manifestdatei, die die Beschriftung enthält, die Sie anpassen oder verifizieren möchten. Diese Option wird nur für Bounding-Box- und semantische Segmentierungs-Bildbeschriftungsaufträge sowie für 3D-Punktwolken- und Videoframe-Beschriftungsaufträge unterstützt. Es wird empfohlen, dass Sie die Anweisungen in [Beschriftungsverifizierung und Anpassung](sms-verification-data.md) befolgen, um einen Auftrag zur Überprüfung oder Anpassung von Beschriftungen zu erstellen. 

**Wichtig**  
Ihr Arbeitsteam, die Eingabe-Manifestdatei, der Ausgabe-Bucket und andere Ressourcen in Amazon S3 müssen sich in derselben AWS Region befinden, in der Sie Ihren Labeling-Job erstellt haben. 

Wenn Sie mit der SageMaker KI-Konsole einen Labeling-Job erstellen, fügen Sie der von Ground Truth bereitgestellten Worker-UI Anweisungen und Labels für Arbeiter hinzu. Sie können eine Vorschau anzeigen und mit der Benutzeroberfläche für Auftragnehmer interagieren, wenn Sie einen Beschriftungsauftrag in der Konsole erstellen. Sie können sich auch eine Vorschau der Auftragnehmer-Benutzeroberfläche auf Ihrer [integrierten Aufgabentypseite](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) ansehen.

**So erstellen Sie einen Kennzeichnungsauftrag (Konsole)**

1. Melden Sie sich bei der SageMaker AI-Konsole unter an [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/). 

1. Wählen Sie im linken Navigationsbereich **Kennzeichnungsaufträge** aus. 

1. Wählen Sie auf der Seite **Kennzeichnungsaufträge** die Option **Kennzeichnungsauftrag erstellen** aus.

1. Geben Sie unter **Auftragsname** einen Namen für Ihren Kennzeichnungsauftrag ein.

1. (Optional) Wenn Sie Ihre Beschriftungen mit einem Schlüssel identifizieren möchten, wählen Sie **Ich möchte einen Beschriftungsattributnamen angeben, der sich vom Namen des Kennzeichnungsauftrags unterscheidet** aus. Wenn Sie diese Option nicht auswählen, wird der Name des Kennzeichnungsauftrags verwendet, den Sie im vorherigen Schritt angegeben haben, um Ihre Beschriftungen in der Ausgabemanifestdatei zu identifizieren. 

1. Wählen Sie ein Daten-Setup, um eine Verbindung zwischen Ihrem Eingabedatensatz und Ground Truth herzustellen. 
   + Für die **automatisierte Dateneinrichtung**:
     + Folgen Sie den Anweisungen unter [Automatisieren der Dateneinrichtung für Kennzeichnungsaufträge](sms-console-create-manifest-file.md) für die Beschriftung von Bildern, Text und Videoclips.
     + Folgen Sie den Anweisungen unter [Einrichten automatisierter Video-Frame-Eingabedaten](sms-video-automated-data-setup.md) für die Beschriftung von Videoframes. 
   + Für die **manuelle Dateneinrichtung**:
     + Geben Sie für den **Speicherort des Eingabedatensatzes** den Amazon S3-Speicherort an, an dem sich die Eingabemanifestdatei befindet. Wenn sich Ihre Eingabemanifestdatei manifest.json beispielsweise in **example-bucket** befindet, geben Sie **s3://example-bucket/manifest.json** ein.
     + Geben Sie für den **Speicherort des Ausgabedatensatzes** den Speicherort in Amazon S3 an, an dem Ground Truth die Ausgabedaten aus Ihrem Beschriftungsauftrag speichern soll. 

1. Wählen Sie für **IAM-Rolle** eine bestehende IAM-Rolle aus oder erstellen Sie eine IAM-Rolle mit der Berechtigung, auf Ihre Ressourcen in Amazon S3 zuzugreifen, in den oben angegebenen Amazon S3 S3-Ausgabe-Bucket zu schreiben, und mit einer SageMaker AI-Ausführungsrichtlinie als Anhang. 

1. (Optional) Für eine **zusätzliche Konfiguration** können Sie angeben, wie viel von Ihrem Datensatz Ihre Mitarbeiter kennzeichnen sollen und ob SageMaker KI die Ausgabedaten für Ihren Labeling-Job mit einem Verschlüsselungsschlüssel verschlüsseln soll. AWS KMS Um Ihre Ausgabedaten zu verschlüsseln, müssen Sie über die erforderlichen AWS KMS Berechtigungen für die IAM-Rolle verfügen, die Sie im vorherigen Schritt angegeben haben. Weitere Details finden Sie unter [IAM-Berechtigungen zur Verwendung von Ground Truth zuweisen](sms-security-permission.md). 

1. Wählen Sie im Abschnitt **Aufgabentyp** unter **Aufgabenkategorie** das Dropdown-Menü aus, um Ihre Aufgabenkategorie auszuwählen. 

1. Wählen Sie unter **Aufgabenauswahl** Ihren Aufgabentyp aus. 

1. (Optional) Geben Sie Tags für Ihren Kennzeichnungsauftrag an, damit er später in der Konsole leichter zu finden ist. 

1. Wählen Sie **Weiter** aus. 

1. Wählen Sie im Abschnitt **Auftragnehmer** die Art der Arbeitskräfte aus, die Sie verwenden möchten. Weitere Informationen zu Ihren Optionen für Arbeitskräfte finden Sie unter [Arbeitskräfte](sms-workforce-management.md).

1. Nach der Auswahl der Worker geben Sie den Wert für **Task timeout (Aufgaben-Timeout)** an. Dies ist die maximale Zeit, die ein Auftragnehmer für die Arbeit an einer Aufgabe hat.

   Bei 3D-Punktwolken-Anmerkungsaufgaben beträgt das standardmäßige Aufgaben-Timeout 3 Tage. Die Standard-Timeouts für Text- und Bildklassifizierung sowie Beschriftungsaufträge der Beschriftungsüberprüfung betragen 5 Minuten. Die Standard-Timeouts für alle anderen Beschriftungsaufträge betragen 60 Minuten.

1. (Optional) Bei den Aufgabentypen Begrenzungsrahmen, semantische Segmentierung, Videoframes und 3D-Punktwolke können Sie **Vorhandene Beschriftungen anzeigen** auswählen, wenn Sie Beschriftungen für Ihre Eingabedaten anzeigen möchten, damit Auftragnehmer sie überprüfen oder anpassen können.

   Für Bounding-Box- und semantische Segmentierung-Beschriftungsaufträgen wird dadurch ein Anpassungsbeschriftungsauftrag erstellt.

   Für Aufträge zur Beschriftung von 3D-Punktwolken und Videoframes:
   + Wählen Sie **Anpassung** aus, um einen Auftrag zur Korrekturbeschriftung zu erstellen. Wenn Sie diese Option auswählen, können Sie neue Beschriftungen hinzufügen, aber Sie können keine vorhandenen Beschriftungen aus dem vorherigen Auftrag entfernen oder bearbeiten. Optional können Sie Attribute für die Beschriftungskategorie und die Rahmenattribute auswählen, die Auftragnehmer bearbeiten sollen. Um ein Attribut bearbeitbar zu machen, aktivieren Sie das Kontrollkästchen **Auftragnehmern erlauben, dieses Attribut zu bearbeiten** für das entsprechende Attribut.

     Optional können Sie neue Beschriftungskategorien- und Rahmenattribute hinzufügen. 
   + Wählen Sie **Überprüfung** aus, um einen Auftrag zur Anpassung der Beschriftung zu erstellen. Wenn Sie diese Option auswählen, können Sie keine vorhandenen Beschriftungen aus dem vorherigen Auftrag hinzufügen, ändern oder entfernen. Optional können Sie Attribute für die Beschriftungskategorie und die Rahmenattribute auswählen, die Auftragnehmer bearbeiten sollen. Um ein Attribut bearbeitbar zu machen, aktivieren Sie das Kontrollkästchen **Auftragnehmern erlauben, dieses Attribut zu bearbeiten** für das entsprechende Attribut. 

     Wir empfehlen, dass Sie den Beschriftungen, die Auftragnehmer überprüfen sollen, neue Attribute der Beschriftungskategorie hinzufügen oder ein oder mehrere Rahmenattribute hinzufügen, damit die Auftragnehmer Informationen über den gesamten Rahmen bereitstellen können.

    Weitere Informationen finden Sie unter [Beschriftungsverifizierung und Anpassung](sms-verification-data.md).

1. Konfigurieren Sie die Benutzeroberfläche Ihrer Auftragnehmer:
   + Wenn Sie einen [integrierten Aufgabentyp](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) verwenden, geben Sie die Arbeitsanweisungen und Beschriftungen an. 
     + Für die Bildklassifizierung und die Textklassifizierung (Einzel- und Mehrfachbeschriftung) müssen Sie mindestens zwei Beschriftungskategorien angeben. Für alle anderen integrierten Aufgabentypen müssen Sie mindestens eine Beschriftungskategorie angeben. 
     + (Optional) Wenn Sie einen Auftrag zur Beschriftung von 3D-Punktwolken oder Videoframes erstellen, können Sie Beschriftungskategorieattribute (nicht unterstützt für die semantische 3D-Punktwolken-Segmentierung) und Frame-Attribute angeben. Kategorieattribute für Beschriftungen können einer oder mehreren Beschriftungen zugewiesen werden. Frame-Attribute werden auf jeder Punktwolken- oder Video-Frame-Auftragnehmer-Beschriftung angezeigt. Weitere Informationen finden Sie unter [Benutzeroberfläche (UI) für Auftragnehmer](sms-point-cloud-general-information.md#sms-point-cloud-worker-task-ui) für 3D-Punktwolke und [Benutzeroberfläche (UI) für Auftragnehmer](sms-video-overview.md#sms-video-worker-task-ui) für Videoframe. 
     + (Optional) Fügen Sie **zusätzliche Anweisungen** hinzu, um Ihren Auftragnehmern bei der Erledigung Ihrer Aufgabe zu unterstützen.
   + Wenn Sie einen benutzerdefinierten Beschriftungs-Workflow erstellen, müssen Sie:
     + Eine [benutzerdefinierte Vorlage](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates-step2.html) in das Codefeld eingeben. Benutzerdefinierte Vorlagen können mit einer Kombination aus HTML, der Liquid-Vorlagensprache und unseren vorgefertigten Webkomponenten erstellt werden. Optional können Sie eine Basisvorlage aus dem Dropdown-Menü auswählen, um loszulegen. 
     + Geben Sie vornotierende und nachnotierende Lambda-Funktionen an. Informationen zum Erstellen dieser Funktionen finden Sie unter [Verarbeitung von Daten in einem benutzerdefinierten Etikettierungs-Workflow mit AWS Lambda](sms-custom-templates-step3.md).

1. (Optional) Sie können die Option **Vorschau anzeigen** auswählen, um eine Vorschau Ihrer Arbeitsanweisungen und Beschriftungen anzuzeigen und mit der Benutzeroberfläche zu interagieren. Stellen Sie sicher, dass der Popup-Blocker des Browsers deaktiviert ist, bevor Sie die Vorschau generieren.

1. Wählen Sie **Erstellen** aus.

Nachdem Sie den Kennzeichnungsauftrag erfolgreich erstellt haben, werden Sie zur Seite **Kennzeichnungsaufträge** weitergeleitet. Der Status des soeben erstellten Beschriftungsauftrags lautet **In Bearbeitung**. Dieser Status wird schrittweise aktualisiert, wenn Auftragnehmer Ihre Aufgaben erledigen. Wenn alle Aufgaben erfolgreich abgeschlossen wurden, ändert sich der Status in **Abgeschlossen**.

Wenn beim Erstellen des Beschriftungsaftrags ein Problem aufgetreten ist, ändert sich der Status in **Fehlgeschlagen**.

Um weitere Details zum Auftrag anzuzeigen, wählen Sie den Namen des Kennzeichnungsauftrags aus. 

## Nächste Schritte
<a name="sms-create-labeling-job-console-next-steps"></a>

Nachdem sich der Status des Beschriftungsauftrags in **Abgeschlossen** geändert hat, können Sie die Ausgabedaten in dem Amazon-S3-Bucket anzeigen, den Sie beim Erstellen des Beschriftungsauftrags angegeben haben. Weitere Informationen zum Format der Ausgabedaten finden Sie unter [Ausgabedaten von Kennzeichnungsaufträgen](sms-data-output.md).

# Erstellen eines Kennzeichnungsauftrags (API)
<a name="sms-create-labeling-job-api"></a>

Um einen Labeling-Job mithilfe der SageMaker Amazon-API zu erstellen, verwenden Sie den [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)Vorgang. Spezifische Anweisungen zum Erstellen einer Labeling-Aufgabe für einen integrierten Aufgabentyp finden Sie auf der Seite für den betreffenden [Aufgabentyp](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html). Informationen zum Erstellen eines Streaming-Labeling-Jobs, bei dem es sich um einen Labeling-Job handelt, der ständig ausgeführt wird, finden Sie unter [Erstellen eines Streaming-Beschriftungsjobs](sms-streaming-create-job.md).

Um die Operation `CreateLabelingJob` zu verwenden, benötigen Sie Folgendes:
+ Eine Worker-Aufgabenvorlage (`UiTemplateS3Uri`) oder einen UI ARN der menschlichen Aufgaben (`[HumanTaskUiArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-HumanTaskUiArn)`) in Amazon S3. 
  + Für 3D-Punktwolkenaufträge, Video-Objekterkennungs- und -verfolgungsaufträge und NER-Aufträge verwenden Sie den in `HumanTaskUiArn` aufgeführten ARN für Ihren Aufgabentyp.
  + Wenn Sie einen anderen integrierten Aufgabentyp als 3D-Punktwolken-Aufgaben verwenden, können Sie Ihre Worker-Anweisungen einer der vordefinierten Vorlagen hinzufügen und die Vorlage (mit der Erweiterung .html oder .liquid) in Ihrem S3-Bucket speichern. Suchen Sie die Pre-Build-Vorlagen auf der Seite für Ihren [Aufgabentyp](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html).
  + Wenn Sie einen benutzerdefinierten Kennzeichnungs-Workflow verwenden, können Sie eine benutzerdefinierte Vorlage erstellen und die Vorlage in Ihrem S3-Bucket speichern. Weitere Informationen zum Erstellen einer benutzerdefinierten Auftragnehmervorlage finden Sie unter [Erstellen einer benutzerdefinierte Vorlage für Auftragnehmeraufgaben](sms-custom-templates-step2.md). Informationen zu benutzerdefinierten HTML-Elementen, die Sie zum Anpassen Ihrer Vorlage verwenden können, finden Sie unter [Referenz der Crowd-HTML-Elemente](sms-ui-template-reference.md). Eine Sammlung von Demo-Vorlagen für eine Vielzahl von Kennzeichnungsaufgaben finden Sie unter [Amazon SageMaker Ground Truth Sample Task UIs ](https://github.com/aws-samples/amazon-sagemaker-ground-truth-task-uis).
+ Eine Eingabemanifestdatei, die Ihre Eingabedaten in Amazon S3 angibt. Geben Sie den Speicherort Ihrer Eingabemanifestdatei in `ManifestS3Uri` an. Hinweise zum Erstellen eines Eingabemanifests finden Sie unter [Eingabedaten](sms-data-input.md). Wenn Sie einen Streaming-Labeling-Job erstellen, ist dies optional. Wie Sie einen Streaming-Etikettierungsauftrag erstellen können, erfahren Sie unter [Erstellen eines Streaming-Beschriftungsjobs](sms-streaming-create-job.md).
+ Ein Amazon-S3-Bucket zum Speichern Ihrer Ausgabedaten. Sie geben diesen Bucket und optional ein Präfix in `S3OutputPath` an.
+ Eine Konfigurationsdatei der Beschriftungskategorie. Jeder Etikettenkategoriename muss eindeutig sein. Geben Sie den Speicherort dieser Datei in Amazon S3 mit dem Parameter `LabelCategoryConfigS3Uri` an. Das Format und die Labelkategorien für diese Datei hängen vom verwendeten Aufgabentyp ab:
  + Für die Bildklassifizierung und die Textklassifizierung (Einzel- und Mehrfachbeschriftung) müssen Sie mindestens zwei Labelkategorien angeben. Für alle anderen Aufgabentypen ist mindestens eine Anzahl von Labelkategorien erforderlich. 
  + Für Aufgaben zur Erkennung benannter Entitäten müssen Sie in dieser Datei Anweisungen für Mitarbeiter angeben. Siehe [Stellen Sie Anweisungen für Auftragnehmer in einer Konfigurationsdatei für die Beschriftungskategorie bereit](sms-named-entity-recg.md#worker-instructions-ner) für weitere Einzelheiten und ein Beispiel.
  + Für 3D-Punktwolken- und Videobildaufgaben verwenden Sie das Format in [Referenz zur Konfigurationsdatei für Kennzeichnungskategorien mit Kennzeichnungskategorie- und Frame-Attributen](sms-label-cat-config-attributes.md).
  + Für alle anderen integrierten Aufgabentypen und benutzerdefinierten Aufgaben muss die Konfigurationsdatei für die Bezeichnungskategorie eine JSON-Datei mit dem folgenden Format sein. Sie identifizieren die Bezeichnungen, die Sie verwenden möchten, indem Sie `label_1`, `label_2`,`...`, `label_n` durch Ihre Bezeichnungskategorien ersetzen. 

    ```
    {
        "document-version": "2018-11-28",
        "labels": [
            {"label": "label_1"},
            {"label": "label_2"},
            ...
            {"label": "label_n"}
        ]
    }
    ```
+ Eine AWS Identity and Access Management (IAM-) Rolle mit der angehängten [AmazonSageMakerGroundTruthExecution](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerGroundTruthExecution)verwalteten IAM-Richtlinie und mit Berechtigungen für den Zugriff auf Ihre S3-Buckets. Geben Sie diese Rolle in `RoleArn` an. Weitere Informationen zu dieser Richtlinie finden Sie unter [Verwendung von IAM-verwalteten Richtlinien zusammen mit Ground Truth](sms-security-permissions-get-started.md). Wenn Sie präzisere Berechtigungen benötigen, finden Sie weitere Informationen unter [IAM-Berechtigungen zur Verwendung von Ground Truth zuweisen](sms-security-permission.md).

  Wenn der Name des Eingabe- oder Ausgabe-Buckets `sagemaker` nicht enthält, können Sie der Rolle, die an den die Operation `CreateLabelingJob` übergeben wird, eine Richtlinie ähnlich der folgenden anfügen.

------
#### [ JSON ]

****  

  ```
  {
      "Version":"2012-10-17",		 	 	 
      "Statement": [
          {
              "Effect": "Allow",
              "Action": [
                  "s3:GetObject"
              ],
              "Resource": [
                  "arn:aws:s3:::my_input_bucket/*"
              ]
          },
          {
              "Effect": "Allow",
              "Action": [
                  "s3:PutObject"
              ],
              "Resource": [
                  "arn:aws:s3:::my_output_bucket/*"
              ]
          }
      ]
  }
  ```

------
+ Der Amazon-Ressourcenname (ARN) einer Funktion für die Vor- und Nachanmerkung (oder Anmerkungskonsolidierung) in AWS Lambda für die Verarbeitung Ihrer Ein- und Ausgabedaten. 
  + Lambda-Funktionen sind in jeder AWS Region für integrierte Aufgabentypen vordefiniert. Den Lambda-ARN vor der Anmerkung für Ihre Region finden Sie unter. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) Den Lambda-ARN zur Annotationskonsolidierung für Ihre Region finden Sie unter. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) 
  + Für benutzerdefinierte Beschriftungs-Workflows müssen Sie einen benutzerdefinierten Lambda-ARN vor und nach der Beschriftung angeben. Wie Sie diese Lambda-Funktionen erstellen können, erfahren Sie unter [Verarbeitung von Daten in einem benutzerdefinierten Etikettierungs-Workflow mit AWS Lambda](sms-custom-templates-step3.md).
+ Ein ARN des Arbeitsteams, den Sie in `WorkteamArn` angeben. Sie erhalten einen ARN für ein Arbeitsteam, wenn Sie eine Belegschaft eines Lieferanten abonnieren oder ein privates Arbeitsteam gründen. Wenn Sie einen Label-Job für einen Aufgabentyp „Videoframe“ oder „Punktwolke“ erstellen, können Sie die Belegschaft nicht einsetzen. Amazon Mechanical Turk Verwenden Sie für alle anderen Aufgabentypen, um die Belegschaft von Mechanical Turk zu verwenden, den folgenden ARN. *`region`*Ersetzen Sie es durch die AWS Region, die Sie für die Erstellung des Labeling-Jobs verwenden.

  ` arn:aws:sagemaker:region:394669845002:workteam/public-crowd/default`

  Wenn Sie die [Amazon Mechanical Turk Arbeitskraft](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html) verwenden, verwenden Sie den `ContentClassifiers`-Parameter in `DataAttributes` von `InputConfig`, um zu erklären, dass Ihr Inhalt frei von persönlich identifizierbaren Informationen und Inhalten für Erwachsene ist. 

  Ground Truth *verlangt*, dass Ihre Eingabedaten frei von persönlich identifizierbare Informationen (PII) sind, wenn Sie die Belegschaft von Mechanical Turk einsetzen. Wenn Sie Mechanical Turk verwenden und nicht mithilfe der `FreeOfPersonallyIdentifiableInformation`-Markierung angeben, dass Ihre Eingabedaten frei von persönlich identifizierbaren Informationen sind, schlägt Ihr Labeling-Job fehl. Verwenden Sie die `FreeOfAdultContent` Flagge, um zu erklären, dass Ihre Eingabedaten frei von Inhalten für Erwachsene sind. SageMaker KI kann die Mitarbeiter von Amazon Mechanical Turk einschränken, die Ihre Aufgabe sehen können, wenn sie Inhalte für Erwachsene enthält. 

  Weitere Informationen zu Arbeitsteams und Arbeitskräften finden Sie unter [Arbeitskräfte](sms-workforce-management.md). 
+ Wenn Sie die Arbeitskräfte von Mechanical Turk nutzen, müssen Sie den Preis angeben, den Sie den Arbeitern für die Ausführung einer einzelnen Aufgabe in `PublicWorkforceTaskPrice` zahlen.
+ Um die Aufgabe zu konfigurieren, müssen Sie mit `TaskDescription` und `TaskTitle` eine Aufgabenbeschreibung und einen Aufgabentitel angeben. Optional können Sie Zeitlimits angeben, mit denen gesteuert wird, wie lange die Mitarbeiter an einer einzelnen Aufgabe arbeiten müssen (`TaskTimeLimitInSeconds`) und wie lange Aufgaben im Worker-Portal verbleiben, das den Mitarbeitern zur Verfügung steht (`TaskAvailabilityLifetimeInSeconds`).
+ (Optional) Bei [einigen Aufgabentypen](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html) können mehrere Worker ein einzelnes Datenobjekt kennzeichnen, indem eine Zahl größer als eins für den Parameter `NumberOfHumanWorkersPerDataObject` eingegeben wird. Weitere Informationen zur Anmerkungskonsolidierung finden Sie unter [Anmerkungskonsolidierung](sms-annotation-consolidation.md).
+ (Optional) Um einen automatisierten Datenbeschriftungsauftrag zu erstellen, geben Sie eine der unter ARNs aufgeführten Optionen [LabelingJobAlgorithmSpecificationArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_LabelingJobAlgorithmsConfig.html)an`LabelingJobAlgorithmsConfig`. Dieser ARN identifiziert den Algorithmus, der im automatisierten Daten-Labeling-Job verwendet wird. Der mit diesem ARN verknüpfte Aufgabentyp muss mit dem Aufgabentyp der von Ihnen angegebenen `PreHumanTaskLambdaArn` und `AnnotationConsolidationLambdaArn` übereinstimmen. Das automatische Daten-Labeling wird für die folgenden Aufgabentypen unterstützt: Bildklassifizierung, Begrenzungsrahmen, semantische Segmentierung und Textklassifizierung. Die Mindestanzahl von Objekten für das automatische Daten-Labeling beträgt 1.250, und wir empfehlen dringend, mindestens 5.000 Objekte bereitzustellen. Weitere Informationen zu automatisierten Daten-Labeling-Aufträgen finden Sie unter [Automatisieren des Daten-Labeling](sms-automated-labeling.md).
+ (Optional) Sie können angeben [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#API_CreateLabelingJob_RequestSyntax](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#API_CreateLabelingJob_RequestSyntax), dass der Labeling-Job beendet wird, wenn eine der Bedingungen erfüllt ist. Sie können Stoppbedingungen verwenden, um die Kosten des Etikettierungsauftrags zu kontrollieren.

## Beispiele
<a name="sms-create-labeling-job-api-examples"></a>

Die folgenden Code-Beispiele zeigen, wie ein Beschriftungsauftrag mit `CreateLabelingJob` erstellt wird. Sie können sich diese Beispiel-Notebooks auch GitHub im [SageMaker AI Examples Repository](https://github.com/aws/amazon-sagemaker-examples/tree/master/ground_truth_labeling_jobs) ansehen.

------
#### [ AWS SDK für Python (Boto3) ]

Nachfolgend ein Beispiel für eine [AWS Python SDK (Boto3) Anfrage](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) zur Erstellung eines Beschriftungsauftrags für einen eingebauten Aufgabentyp in der Region USA Ost (Nord-Virginia) unter Verwendung einer privaten Arbeitskraft. Ersetzen Sie alles *red-italized text* durch Ihre Ressourcen und Spezifikationen für die Etikettierung. 

```
response = client.create_labeling_job(
    LabelingJobName="example-labeling-job",
    LabelAttributeName="label",
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': "s3://bucket/path/manifest-with-input-data.json"
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                "FreeOfPersonallyIdentifiableInformation"|"FreeOfAdultContent",
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': "s3://bucket/path/file-to-store-output-data",
        'KmsKeyId': "string"
    },
    RoleArn="arn:aws:iam::*:role/*",
    LabelCategoryConfigS3Uri="s3://bucket/path/label-categories.json",
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': "arn:aws:sagemaker:region:*:workteam/private-crowd/*",
        'UiConfig': {
            'UiTemplateS3Uri': "s3://bucket/path/custom-worker-task-template.html"
        },
        'PreHumanTaskLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
        'TaskKeywords': [
            "Images",
            "Classification",
            "Multi-label"
        ],
        'TaskTitle': "Multi-label image classification task",
        'TaskDescription': "Select all labels that apply to the images shown",
        'NumberOfHumanWorkersPerDataObject': 1,
        'TaskTimeLimitInSeconds': 3600,
        'TaskAvailabilityLifetimeInSeconds': 21600,
        'MaxConcurrentTaskCount': 1000,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
        },
    Tags=[
        {
            'Key': "string",
            'Value': "string"
        },
    ]
)
```

------
#### [ AWS CLI ]

Im Folgenden finden Sie ein Beispiel für eine AWS CLI-Anforderung zur Erstellung eines Labeling-Jobs für einen integrierten Aufgabentyp in der Region USA Ost (Nord-Virginia) mithilfe der [Belegschaft von Amazon Mechanical Turk](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html). Weitere Informationen finden Sie unter [start-human-loop](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-labeling-job.html) in der Referenz zum *[AWS CLI -Befehl](https://docs.aws.amazon.com/cli/latest/reference/)*. Ersetzen Sie alles *red-italized text* durch Ihre Ressourcen und Spezifikationen für den Etikettierungsauftrag. 

```
$ aws --region us-east-1 sagemaker create-labeling-job \
--labeling-job-name "example-labeling-job" \
--label-attribute-name "label" \
--role-arn "arn:aws:iam::account-id:role/role-name" \
--input-config '{
        "DataAttributes": {
            "ContentClassifiers": [
                "FreeOfPersonallyIdentifiableInformation",
                "FreeOfAdultContent"
            ]
        },
        "DataSource": {
            "S3DataSource": {
                "ManifestS3Uri": "s3://bucket/path/manifest-with-input-data.json"
            }
        }
    }' \
--output-config '{
        "KmsKeyId": "",
        "S3OutputPath": "s3://bucket/path/file-to-store-output-data"
    }' \
--human-task-config '{
        "AnnotationConsolidationConfig": {
            "AnnotationConsolidationLambdaArn": "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
        },
        "TaskAvailabilityLifetimeInSeconds": 21600,
        "TaskTimeLimitInSeconds": 3600,
        "NumberOfHumanWorkersPerDataObject": 1,
        "PreHumanTaskLambdaArn":  "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
        "WorkteamArn": "arn:aws:sagemaker:us-east-1:394669845002:workteam/public-crowd/default",
        "PublicWorkforceTaskPrice": {
            "AmountInUsd": {
                "Dollars": 0,
                "TenthFractionsOfACent": 6,
                "Cents": 3
            }
        },
        "TaskDescription": "Select all labels that apply to the images shown",
        "MaxConcurrentTaskCount": 1000,
        "TaskTitle": "Multi-label image classification task",,
        "TaskKeywords": [
            "Images",
            "Classification",
            "Multi-label"
        ],
        "UiConfig": {
            "UiTemplateS3Uri": "s3://bucket/path/custom-worker-task-template.html"
        }
    }'
```

------

Weitere Informationen zu dieser Operation finden Sie im Abschnitt [CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html). Informationen zur Verwendung anderer sprachspezifischer Sprachen SDKs finden Sie unter „[Siehe auch](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html#API_CreateLabelingJob_SeeAlso)“ im `CreateLabelingJobs` Thema. 

# Erstellen eines Streaming-Beschriftungsjobs
<a name="sms-streaming-create-job"></a>

Streaming-Labeling-Jobs ermöglichen es Ihnen, einzelne Datenobjekte in Echtzeit an einen ständig laufenden Streaming-Labeling-Job zu senden. Um einen Streaming-Labeling-Job zu erstellen, können Sie den ARN für das Amazon-SNS-*Eingabethema* `SnsTopicArn` im `InputConfig`-Parameter angeben, wenn Sie eine [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)-Anforderung stellen. Optional können Sie auch ein Amazon SNS *Ausgabethema* erstellen und es in `OutputConfig` angeben, wenn Sie Labeldaten in Echtzeit erhalten möchten.

**Wichtig**  
Wenn Sie ein neuer Benutzer von Ground Truth Streaming-Labeling-Jobs sind, wird empfohlen, [Ground Truth Streaming-Kennzeichnungsaufträge](sms-streaming-labeling-job.md) zu überprüfen, bevor Sie einen Streaming-Labeling-Job erstellen. Ground Truth Streaming-Labeling-Jobs werden nur über die SageMaker API unterstützt.

Verwenden der folgenden Abschnitte, um die Ressourcen zu erstellen, die Sie benötigen und verwenden können, um einen Streaming-Label-Job zu erstellen:
+ Erfahren Sie, wie Sie SNS-Themen mit den für Ground Truth Streaming-Labeling-Jobs erforderlichen Berechtigungen erstellen, indem Sie die Schritte unter [Verwenden von Amazon-SNS-Themen für das Daten-Labeling](sms-create-sns-input-topic.md) befolgen. Ihre SNS-Themen müssen in derselben AWS Region wie Ihr Labeling-Job erstellt werden. 
+ Unter [Abonnieren Sie einen Endpunkt für Ihr Amazon SNS-Ausgabe-Thema](sms-create-sns-input-topic.md#sms-streaming-subscribe-output-topic) erfahren Sie, wie Sie einen Endpunkt so einrichten, dass er jedes Mal, wenn eine Labeling-Aufgabe abgeschlossen ist, Ausgabedaten von Labeling-Aufgaben an einem bestimmten Endpunkt empfängt.
+ Informationen dazu, wie Sie Ihren Amazon S3-Bucket so konfigurieren, dass er Benachrichtigungen an Ihr Amazon SNS-Eingabethema sendet, finden Sie unter [Erstellen von Amazon-S3-basierten Bucket-Ereignisbenachrichtigungen gemäß dem in Ihrem Labeling-Job definierten Amazon SNS](sms-streaming-s3-setup.md).
+ Fügen Sie optional Datenobjekte, die Sie kennzeichnen möchten, sobald der Labeling-Job gestartet wird, zu Ihrem Eingabemanifest hinzu. Weitere Informationen finden Sie unter [Erstellen Sie eine Manifestdatei (optional)](sms-streaming-manifest.md).
+ Für die Erstellung eines Labeling-Jobs sind weitere Ressourcen erforderlich, z. B. eine IAM-Rolle, ein Amazon-S3-Bucket, eine Worker-Aufgabenvorlage und Labelkategorien. Diese sind in der Ground-Truth-Dokumentation zur Erstellung eines Labeling-Jobs beschrieben. Weitere Informationen finden Sie unter [Erstellen eines Kennzeichnungsauftrags](sms-create-labeling-job.md). 
**Wichtig**  
Wenn Sie einen Beschriftungsauftrag erstellen, müssen Sie eine IAM-Ausführungsrolle angeben. Hängen Sie die AWS verwaltete Richtlinie **AmazonSageMakerGroundTruthExecution**an diese Rolle an, um sicherzustellen, dass sie über die erforderlichen Berechtigungen zur Ausführung Ihres Labeling-Jobs verfügt. 

Wenn Sie eine Anfrage zur Erstellung eines Streaming-Labeling-Jobs einreichen, ist der Status Ihres Labeling-Jobs `Initializing`. Sobald der Labeling-Job aktiv ist, wechselt der Status zu `InProgress`. Senden Sie keine neuen Datenobjekte an Ihren Label-Job und versuchen Sie nicht, Ihren Label-Job zu beenden, solange er sich im `Initializing` Status befindet. Sobald sich der Status zu `InProgress` ändert, können Sie mit dem Senden neuer Datenobjekte mithilfe von Amazon SNS und der Amazon S3-Konfiguration beginnen. 

**Topics**
+ [Verwenden von Amazon-SNS-Themen für das Daten-Labeling](sms-create-sns-input-topic.md)
+ [Erstellen von Amazon-S3-basierten Bucket-Ereignisbenachrichtigungen gemäß dem in Ihrem Labeling-Job definierten Amazon SNS](sms-streaming-s3-setup.md)
+ [Erstellen Sie eine Manifestdatei (optional)](sms-streaming-manifest.md)
+ [Erstellen Sie einen Streaming-Labeling-Job mit der SageMaker API](sms-streaming-create-labeling-job-api.md)
+ [Einen Streaming-Labeling-Job beenden](sms-streaming-stop-labeling-job.md)

# Verwenden von Amazon-SNS-Themen für das Daten-Labeling
<a name="sms-create-sns-input-topic"></a>

Sie müssen einen Amazon-SNS-Input erstellen, um einen Streaming-Labeling-Job zu erstellen. Optional können Sie ein Amazon SNS-Ausgabethema angeben.

Wenn Sie ein Amazon-SNS-Thema erstellen, das Sie in Ihrem Streaming-Labeling-Job verwenden möchten, notieren Sie sich das Thema Amazon-Ressourcenname (ARN). Die ARN ist der Eingabewert für den Parameter `SnsTopicArn` in `InputConfig` und `OutputConfig`, wenn Sie einen Labeling-Job erstellen.

## Erstellen eines -Themas
<a name="sms-streaming-input-topic"></a>

Ihr Eingabethema wird verwendet, um neue Datenobjekte an Ground Truth zu senden. Um ein Eingabethema zu erstellen, folgen Sie den Anweisungen unter [Erstellen eines Amazon SNS-Themas](https://docs.aws.amazon.com/sns/latest/dg/sns-create-topic.html) im Amazon Simple Notification Service Developer Guide.

Notieren Sie sich Ihren ARN für das Eingabethema und verwenden Sie ihn als Eingabe für den `CreateLabelingJob` Parameter `SnsTopicArn` in`InputConfig`. 

## Erstellen eines -Themas
<a name="sms-streaming-output-topic"></a>

Wenn Sie ein Ausgabethema angeben, wird es verwendet, um Benachrichtigungen zu senden, wenn ein Datenobjekt beschriftet wird. Wenn Sie ein -Thema erstellen, haben Sie die Möglichkeit, einen Verschlüsselungsschlüssel hinzuzufügen. Verwenden Sie diese Option, um Ihrem Thema einen vom AWS Key Management Service Kunden verwalteten Schlüssel hinzuzufügen, um die Ausgabedaten Ihres Labeling-Jobs zu verschlüsseln, bevor sie in Ihrem Ausgabethema veröffentlicht werden.

Um ein Ausgabethema zu erstellen, folgen Sie den Anweisungen unter [Erstellen eines Amazon SNS-Themas](https://docs.aws.amazon.com/sns/latest/dg/sns-create-topic.html) im Amazon Simple Notification Service Entwicklerhandbuch.

Wenn Sie Verschlüsselung hinzufügen, müssen Sie dem Thema zusätzliche Berechtigungen zuweisen. Weitere Informationen finden Sie unter [Fügen Sie Ihrem Ausgabethema Verschlüsselung hinzu (optional)](#sms-streaming-encryption).

**Wichtig**  
Wenn Sie Ihrem Ausgabethema beim Erstellen eines Themas in der Konsole einen vom Kunden verwalteten Schlüssel hinzufügen möchten, verwenden Sie nicht die alias/aws/sns Option **(Standard)**. Wählen Sie einen kundenverwalteten Schlüssel, den Sie erstellt haben. 

Notieren Sie sich Ihren ARN für das Eingabethema und verwenden Sie ihn in Ihrer `CreateLabelingJob` Anfrage im Parameter `SnsTopicArn` in`OutputConfig`. 

### Fügen Sie Ihrem Ausgabethema Verschlüsselung hinzu (optional)
<a name="sms-streaming-encryption"></a>

Um Nachrichten zu verschlüsseln, die zu Ihrem Ausgabethema veröffentlicht wurden, müssen Sie einen vom AWS KMS Kunden verwalteten Schlüssel für Ihr Thema angeben. Ändern Sie die folgende Richtlinie und fügen Sie sie Ihrem vom Kunden verwalteten Schlüssel hinzu, um Ground Truth die Erlaubnis zu erteilen, Ausgabedaten zu verschlüsseln, bevor sie in Ihrem Ausgabethema veröffentlicht werden.

Ersetzen Sie *`<account_id>`* durch die ID des Kontos, mit dem Sie Ihr Thema erstellen. Informationen dazu, wie Sie Ihre AWS Konto-ID finden, [finden Sie unter Ihre AWS Konto-ID](https://docs.aws.amazon.com/IAM/latest/UserGuide/console_account-alias.html#FindingYourAWSId) finden. 

------
#### [ JSON ]

****  

```
{
    "Id": "key-console-policy",
    "Version":"2012-10-17",		 	 	 
    "Statement": [
        {
            "Sid": "Enable IAM User Permissions",
            "Effect": "Allow",
            "Principal": {
                "AWS": "arn:aws:iam::111122223333:root"
            },
            "Action": "kms:*",
            "Resource": "*"
        },
        {
            "Sid": "Allow access for Key Administrators",
            "Effect": "Allow",
            "Principal": {
                "AWS": "arn:aws:iam::111122223333:role/Admin"
            },
            "Action": [
                "kms:Create*",
                "kms:Describe*",
                "kms:Enable*",
                "kms:List*",
                "kms:Put*",
                "kms:Update*",
                "kms:Revoke*",
                "kms:Disable*",
                "kms:Get*",
                "kms:Delete*",
                "kms:TagResource",
                "kms:UntagResource",
                "kms:ScheduleKeyDeletion",
                "kms:CancelKeyDeletion"
            ],
            "Resource": "*"
        }
    ]
}
```

------

Darüber hinaus müssen Sie die folgende Richtlinie ändern und der Ausführungsrolle hinzufügen, mit der Sie Ihren Labeling-Job erstellen (den Eingabewert für `RoleArn`). 

Ersetzen Sie *`<account_id>`* durch die ID des Kontos, mit dem Sie Ihr Thema erstellen. Ersetzen Sie *`<region>`* durch die AWS -Region, in der Sie den Kennzeichnungsauftrag erstellen. Ersetzen Sie `<key_id>` durch Ihre vom Kunden verwaltete Schlüssel-ID.

------
#### [ JSON ]

****  

```
{
    "Version":"2012-10-17",		 	 	 
    "Statement": [
        {
            "Sid": "sid1",
            "Effect": "Allow",
            "Action": [
                "kms:Decrypt",
                "kms:GenerateDataKey"
            ],
            "Resource": "arn:aws:kms:us-east-1:111122223333:key/your_key_id"
        }
    ]
}
```

------

Weitere Informationen zum Erstellen und Sichern von Schlüsseln finden Sie unter [Schlüssel erstellen](https://docs.aws.amazon.com/kms/latest/developerguide/create-keys.html) und [Schlüsselrichtlinien verwenden](https://docs.aws.amazon.com/kms/latest/developerguide/key-policies.html) im AWS Key Management Service Entwicklerhandbuch.

## Abonnieren Sie einen Endpunkt für Ihr Amazon SNS-Ausgabe-Thema
<a name="sms-streaming-subscribe-output-topic"></a>

Wenn ein Worker eine Labeling-Job-Aufgabe aus einem Ground Truth-Streaming-Labeling-Job abschließt, verwendet Ground Truth Ihr Ausgabethema, um Ausgabedaten auf einem oder mehreren von Ihnen angegebenen Endpunkten zu veröffentlichen. Um Benachrichtigungen zu erhalten, wenn ein Mitarbeiter eine Labeling-Aufgabe beendet, müssen Sie einen Endpunkt für Ihr Amazon-SNS-Ausgabe-Thema abonnieren.

Weitere Informationen zum Hinzufügen von Endpunkten zu einem Ausgabe-Thema finden Sie unter [Amazon SNS SNS-Thema abonnieren](https://docs.aws.amazon.com/sns/latest/dg/sns-create-subscribe-endpoint-to-topic.html) im Entwicklerhandbuch zu *Amazon Simple Notification Service*.

Weitere Informationen über das Ausgabedatenformat, das auf diesen Endpunkten veröffentlicht wird, finden Sie unter [Ausgabedaten von Kennzeichnungsaufträgen](sms-data-output.md). 

**Wichtig**  
Wenn Sie kein Endgerät für Ihr Amazon SNS SNS-Ausgabethema abonnieren, erhalten Sie keine Benachrichtigungen, wenn neue Datenobjekte beschriftet werden. 

# Erstellen von Amazon-S3-basierten Bucket-Ereignisbenachrichtigungen gemäß dem in Ihrem Labeling-Job definierten Amazon SNS
<a name="sms-streaming-s3-setup"></a>

Änderungen an Ihrem Amazon S3 S3-Bucket, Ereignisbenachrichtigungen, werden entweder über die Amazon S3 S3-Konsole, die API, sprachspezifisch AWS SDKs oder über aktiviert AWS Command Line Interface. Ereignisse müssen denselben ARN des Amazon-SNS-Eingabethemas verwenden (`SnsTopicArn`), der im `InputConfig`-Parameter als Teil Ihrer `CreateLabelingJob`-Anforderung angegeben wurde.

**Amazon-S3-Bucket-Benachrichtigungen und Ihre Eingabedaten sollten nicht im selben Amazon-S3-Bucket gespeichert werden.**  
Wenn Sie Ereignisbenachrichtigungen erstellen, verwenden Sie nicht denselben Amazon-S3-Speicherort, den Sie als `S3OutputPath` in den `OutputConfig`-Parametern angegeben haben. Die Verknüpfung der beiden Buckets kann dazu führen, dass unerwünschte Datenobjekte von Ground Truth zur Kennzeichnung verarbeitet werden.

Sie entscheiden, welche Arten von Ereignissen Sie an Ihr Amazon-SNS-Thema senden möchten. Ground Truth erstellt einen Labeling-Job, wenn Sie [Ereignisse zur Objekterstellung](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/enable-event-notifications.html#enable-event-notifications-types) senden.

Die an Ihr Amazon SNS SNS-Eingabethema gesendete Ereignisstruktur muss eine JSON-Nachricht sein, die mit derselben Struktur formatiert ist wie unter [Ereignisnachrichtenstruktur](https://docs.aws.amazon.com/AmazonS3/latest/dev/notification-content-structure.html).

Beispiele dafür, wie Sie mithilfe der Amazon S3 S3-Konsole, AWS SDK for .NET und AWS SDK for Java eine Ereignisbenachrichtigung für Ihren Amazon S3 S3-Bucket einrichten können, finden Sie in dieser exemplarischen Vorgehensweise, [Exemplarische Vorgehensweise: Einen Bucket für Benachrichtigungen konfigurieren (SNS-Thema oder SQS-Warteschlange)](https://docs.aws.amazon.com/AmazonS3/latest/dev/ways-to-add-notification-config-to-bucket.html) im *Amazon Simple Storage* Service-Benutzerhandbuch.

 EventBridge Amazon-Benachrichtigungen werden nicht nativ unterstützt. Um die EventBridge basierte Benachrichtigung verwenden zu können, müssen Sie das Ausgabeformat so aktualisieren, dass es dem JSON-Format entspricht, das in der [Struktur der Ereignisnachricht](https://docs.aws.amazon.com/AmazonS3/latest/dev/notification-content-structure.html) verwendet wird.

# Erstellen Sie eine Manifestdatei (optional)
<a name="sms-streaming-manifest"></a>

Wenn Sie einen Streaming-Etikettierungsauftrag erstellen, haben Sie einmalig die Möglichkeit, Objekte (z. B. Bilder oder Text) zu einer Eingabemanifestdatei hinzuzufügen, die Sie in `ManifestS3Uri` von `CreateLabelingJob` angeben. Wenn der Streaming-Labeling-Job gestartet wird, werden diese Objekte an Mitarbeiter gesendet oder der Amazon SQS SQS-Warteschlange hinzugefügt, wenn die Gesamtzahl der Objekte `MaxConcurrentTaskCount` überschreitet. Die Ergebnisse werden dem Amazon S3-Pfad hinzugefügt, den Sie bei der Erstellung des Etikettierungsauftrags in regelmäßigen Abständen angeben, wenn die Mitarbeiter die Etikettierungsaufgaben erledigen. Die Ausgabedaten werden an jeden Endpunkt gesendet, auf dem Sie Ihr Ausgabethema abonnieren. 

Wenn Sie anfängliche Objekte zur Kennzeichnung bereitstellen möchten, erstellen Sie eine Manifestdatei, die diese Objekte identifiziert, und platzieren Sie sie in Amazon S3. Geben Sie den S3-URI dieser Manifestdatei `ManifestS3Uri` in der Datei ein `InputConfig`.

Informationen zum Formatieren Ihrer Manifestdatei finden Sie unter [Eingabedaten](sms-data-input.md). Informationen zur automatischen Generierung einer Manifestdatei mithilfe der SageMaker AI-Konsole (wird für 3D-Punktwolken-Aufgabentypen nicht unterstützt) finden Sie unter[Automatisieren der Dateneinrichtung für Kennzeichnungsaufträge](sms-console-create-manifest-file.md).

# Erstellen Sie einen Streaming-Labeling-Job mit der SageMaker API
<a name="sms-streaming-create-labeling-job-api"></a>

Nachfolgend finden Sie ein Beispiel für eine [AWS Python SDK (Boto3)-Aufforderung](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job), mit der Sie einen Streaming-Etikettierungsauftrag für einen integrierten Aufgabentyp in der Region USA Ost (N. Virginia) starten können. Weitere Informationen zu den einzelnen Parametern finden Sie weiter unten unter [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html). Informationen dazu, wie Sie mithilfe dieser API und der zugehörigen sprachspezifischen Sprache einen Labeling-Job [erstellen können SDKs, finden Sie unter Labeling-Job (API)](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-create-labeling-job-api.html) erstellen.

In diesem Beispiel sind die folgenden Parameter zu beachten:
+ `SnsDataSource`– Dieser Parameter erscheint in `InputConfig` und `OutputConfig` und wird verwendet, um Ihre Eingabe- bzw. Ausgabe-Amazon SNS-Themen zu identifizieren. Um einen Streaming-Labeling-Job zu erstellen, müssen Sie ein Amazon SNS SNS-Eingabethema angeben. Optional können Sie auch ein Amazon SNS-Ausgabethema angeben.
+ `S3DataSource` – Dieser Parameter ist optional. Verwenden Sie diesen Parameter, wenn Sie eine Eingabe-Manifestdatei mit Datenobjekten einschließen möchten, die Sie kennzeichnen möchten, sobald der Labeling-Job gestartet wird.
+ [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-StoppingConditions](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-StoppingConditions)– Dieser Parameter wird ignoriert, wenn Sie einen Streaming-Labeling-Job erstellen. Weitere Informationen zum Beenden eines Streaming-Labeling-Jobs finden Sie unter [Einen Streaming-Labeling-Job beenden](sms-streaming-stop-labeling-job.md).
+ Streaming-Labeling-Jobs unterstützen kein automatisches Daten-Labeling. Schließen Sie den `LabelingJobAlgorithmsConfig` Parameter nicht ein.

```
response = client.create_labeling_job(
    LabelingJobName= 'example-labeling-job',
    LabelAttributeName='label',
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
            },
            'SnsDataSource': {
                'SnsTopicArn': 'arn:aws:sns:us-east-1:123456789012:your-sns-input-topic'
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
        'KmsKeyId': 'string',
        'SnsTopicArn': 'arn:aws:sns:us-east-1:123456789012:your-sns-output-topic'
    },
    RoleArn='arn:aws:iam::*:role/*',
    LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
    HumanTaskConfig={
        'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*',
        'UiConfig': {
            'UiTemplateS3Uri': 's3://bucket/path/custom-worker-task-template.html'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype',
        'TaskKeywords': [
            'Example key word',
        ],
        'TaskTitle': 'Multi-label image classification task',
        'TaskDescription': 'Select all labels that apply to the images shown',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-tasktype'
            }
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)
```

# Einen Streaming-Labeling-Job beenden
<a name="sms-streaming-stop-labeling-job"></a>

Mithilfe dieses Vorgangs können Sie Ihren Streaming-Labeling-Job manuell beenden [StopLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_StopLabelingJob.html). 

Wenn Ihr Beschriftungsauftrag länger als 10 Tage ungenutzt bleibt, wird er automatisch von Ground Truth gestoppt. In diesem Zusammenhang gilt ein Labeling-Job als *inaktiv*, wenn keine Objekte an das Amazon SNS SNS-Eingabethema gesendet werden und keine Objekte in Ihrer Amazon SQS-Warteschlange verbleiben und darauf warten, beschriftet zu werden. Wenn beispielsweise keine Datenobjekte in das Amazon SNS-Eingabethema eingespeist wurden und alle Objekte, die dem Labeling-Job zugeführt wurden, bereits beschriftet sind, startet Ground Truth einen Timer. Wenn nach dem Start des Timers innerhalb von 10 Tagen keine Artikel eingegangen sind, wird der Labeling-Job gestoppt. 

Wenn ein Labeling-Job gestoppt wird, ist sein Status so, dass `STOPPING` Ground Truth die Ressourcen für Labeling-Jobs bereinigt und Ihr Amazon SNS-Thema aus Ihrer Amazon SQS-Warteschlange abbestellt. Die Amazon SQS wird von Ground Truth *nicht* gelöscht, da diese Warteschlange unverarbeitete Datenobjekte enthalten kann. Sie sollten die Warteschlange manuell löschen, wenn Sie vermeiden möchten, dass zusätzliche Gebühren von Amazon SQS anfallen. Weitere Informationen finden Sie unter [Amazon SQS Preise](https://aws.amazon.com/sqs/pricing/).

# Referenz zur Konfigurationsdatei für Kennzeichnungskategorien mit Kennzeichnungskategorie- und Frame-Attributen
<a name="sms-label-cat-config-attributes"></a>

Wenn Sie mithilfe der Amazon SageMaker API-Operation einen 3D-Punktwolken- oder Videoframe-Labeling-Job erstellen`CreateLabelingJob`, verwenden Sie eine Label-Kategorie-Konfigurationsdatei, um Ihre Labels und Arbeitsanweisungen anzugeben. Optional können Sie in Ihrer Attributdatei für die Etikettenkategorie auch Folgendes angeben:
+ Sie können *Beschriftungskategorie-Attribute* für die Aufgabentypen Videobild und 3D-Punktwolken-Objektverfolgung und Objekterkennung bereitstellen. Auftragnehmer können ein oder mehrere Attribute verwenden, um weitere Informationen über ein Objekt zu erhalten. Sie können beispielsweise das Attribut *okkludiert* verwenden, damit Auftragnehmer erkennen, wenn ein Objekt teilweise behindert wird. Sie können entweder ein Attribut der Beschriftungskategorie für eine einzelne Beschriftung mithilfe des Parameters `categoryAttributes` oder für alle Beschriftungen mit dem Parameter `categoryGlobalAttributes` angeben. 
+ Sie können *Frame-Attribute* für die Aufgabentypen Videoframe und 3D-Punktwolken-Objektverfolgung und Objekterkennung angeben, indem Sie `frameAttributes` verwenden: Wenn Sie ein Frame-Attribut erstellen, wird es auf jedem Frame oder jeder Punktwolke in der Worker-Aufgabe angezeigt. Bei Aufträgen zur Kennzeichnung von Videobildern sind dies Attribute, die Mitarbeiter einem ganzen Videoframe zuweisen. Bei Aufträgen zur Kennzeichnung von 3D-Punktwolken werden diese Attribute auf eine einzelne Punktwolke angewendet. Verwenden Sie Frame-Attribute, damit Mitarbeiter mehr Informationen über die Szene in einem bestimmten Frame oder einer bestimmten Punktwolke bereitstellen können.
+ Bei Aufträgen zur Kennzeichnung von Videobildern verwenden Sie die Konfigurationsdatei für die Labelkategorie, um den Aufgabentyp (Begrenzungsrahmen, Polylinie, Polygon oder Schlüsselpunkt) anzugeben, der an die Mitarbeiter gesendet wird. 

Für Mitarbeiter ist die Angabe von Werten für Label-Kategorieattribute und Frame-Attribute optional.

**Wichtig**  
Sie sollten den Namen des Etikettenattributs in `auditLabelAttributeName` angeben, wenn Sie einen Prüfauftrag ausführen, um die Etiketten zu überprüfen oder anzupassen. Verwenden Sie diesen Parameter, um die im Labeling-Job [LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName)verwendeten Anmerkungen einzugeben, die Ihr Worker anpassen soll. Wenn Sie in der Konsole einen Label-Job erstellen und keinen Namen für das Label-Attribut angegeben haben, wird der **Name** Ihres Jobs als verwendet. LabelAttributeName

In den folgenden Themen finden Sie Beispiele für eine Konfigurationsdatei für die Kennzeichnungskategorie für verschiedene Arten von Kennzeichnungsaufträgen. Außerdem werden das Schema und die Kontingente einer Kategoriekonfigurationsdatei erläutert.

**Topics**
+ [Beispiele: Konfigurationsdateien für Kennzeichnungskategorien für 3D-Punktwolken-Kennzeichnungsjobs](#sms-label-cat-config-attributes-3d-pc)
+ [Beispiele: Konfigurationsdateien für Kennzeichnungskategorien für Jobs zur Kennzeichnung von Video-Frames](#sms-label-cat-config-attributes-vid-frame)
+ [Schema der Konfigurationsdatei für Kennzeichnungskategorien](#sms-label-cat-config-attributes-schema)
+ [Kontingente für Beschriftung und Beschriftungskategorieattribute](#sms-point-cloud-label-cat-limits)

## Beispiele: Konfigurationsdateien für Kennzeichnungskategorien für 3D-Punktwolken-Kennzeichnungsjobs
<a name="sms-label-cat-config-attributes-3d-pc"></a>

Die folgenden Themen enthalten Beispiele für Konfigurationsdateien für 3D-Punktwolken-Kennzeichnungskategorien, um Aufträge zur Objekterkennung, Objektverfolgung, semantischen Segmentierung sowie zur Anpassung und Überprüfung von Kennzeichnungen durchzuführen.

**Topics**
+ [Beispiel: 3D-Punktwolken-Objektverfolgung und -Objekterkennung](#example-3d-point-cloud-object)
+ [Beispiel: Semantische 3D-Punktwolkensegmentierung](#example-3d-point-cloud-semantic)
+ [Beispiel: 3D-Punktwolken-Anpassung](#example-3d-point-cloud-adjustment)
+ [Beispiel: 3D-Punktwolken-Verifizierung](#example-3d-point-cloud-verification)

### Beispiel: 3D-Punktwolken-Objektverfolgung und -Objekterkennung
<a name="example-3d-point-cloud-object"></a>

Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei für Labelkategorien, die Labelkategorieattribute für einen Beschriftungsauftrag zur Erkennung von 3D-Punktwolkenobjekten oder zur Objektverfolgung enthält. Dieses Beispiel enthält zwei Frame-Attribute, die allen Punktwolken hinzugefügt werden, die für den Beschriftungsauftrag eingereicht wurden. Die `Car` Bezeichnung wird vier Attribute für die Beschriftungskategorie enthalten –`X`, `Y`, `Z`, und das globale Attribut `W`.

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"],
            "isRequired":true 
        },   
    ],
    "categoryGlobalAttributes": [
        {
            "name":"W",
            "description":"label-attributes-for-all-labels",
            "type":"string",
            "enum": ["foo", "buzz", "biz"]
        }
    ],
    "labels": [
        {
            "label": "Car",
            "categoryAttributes": [
                {
                    "name":"X",
                    "description":"enter a number",
                    "type":"number",
                },
                {
                    "name":"Y",
                    "description":"select an option",
                    "type":"string",
                    "enum":["y1", "y2"]
                },
                {
                    "name":"Z",
                    "description":"submit a free-form response",
                    "type":"string",
                }
            ]
        },
        {
            "label": "Pedestrian",
            "categoryAttributes": [...]
        }
    ],
    "instructions": {"shortInstruction":"Draw a tight Cuboid", "fullInstruction":"<html markup>"}
}
```

### Beispiel: Semantische 3D-Punktwolkensegmentierung
<a name="example-3d-point-cloud-semantic"></a>

Im Folgenden finden Sie ein Beispiel für eine Beschriftungskategorie-Konfigurationsdatei für eine semantische 3D-Punktwolken-Segmentierungsaufgabe. 

Attribute der Beschriftungskategorie werden für semantische 3D-Punktwolken-Segmentierungsaufgabentypen nicht unterstützt. Rahmenattribute werden unterstützt. Wenn Sie Attribute der Beschriftungskategorie für einen semantischen Segmentierungskennzeichnungsauftrag angeben, werden diese ignoriert.

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"]
        },   
    ],
    "labels": [
        {
            "label": "Car",
        },
        {
            "label": "Pedestrian",
        },
        {
            "label": "Cyclist",
        }
    ],
    "instructions": {"shortInstruction":"Select the appropriate label and paint all objects in the point cloud that it applies to the same color", "fullInstruction":"<html markup>"}
}
```

### Beispiel: 3D-Punktwolken-Anpassung
<a name="example-3d-point-cloud-adjustment"></a>

Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei für eine Beschriftungskategorie für einen Auftrag zur Erkennung von 3D-Punktwolkenobjekten oder zur Anpassung der Objektverfolgung. Für 3D-Punktwolken werden semantische Segmentierungsanpassungen und Beschriftungsaufträge `categoryGlobalAttributes` und `categoryAttributes` nicht unterstützt. 

Sie müssen `auditLabelAttributeName` eingeben, um den Namen des Etikettenattributs des vorherigen Etikettierungsauftrags anzugeben, den Sie zur Erstellung des Anpassungsetikettierungsauftrags verwenden. Optional können Sie den `editsAllowed` Parameter verwenden, um anzugeben, ob ein Label- oder Rahmenattribut bearbeitet werden kann. 

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "editsAllowed":"none",
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"]
        },   
    ],
    "categoryGlobalAttributes": [
        {
            "name":"W",
            "editsAllowed":"any",
            "description":"label-attributes-for-all-labels",
            "type":"string",
            "enum": ["foo", "buzz", "biz"]
        }
    ],
    "labels": [
        {
            "label": "Car",
            "editsAllowed":"any",
            "categoryAttributes": [
                {
                    "name":"X",
                    "description":"enter a number",
                    "type":"number"
                },
                {
                    "name":"Y",
                    "description":"select an option",
                    "type":"string",
                    "enum":["y1", "y2"],
                    "editsAllowed":"any"
                },
                {
                    "name":"Z",
                    "description":"submit a free-form response",
                    "type":"string",
                    "editsAllowed":"none"
                }
            ]
        },
        {
            "label": "Pedestrian",
            "categoryAttributes": [...]
        }
    ],
    "instructions": {"shortInstruction":"Draw a tight Cuboid", "fullInstruction":"<html markup>"},
    // include auditLabelAttributeName for label adjustment jobs
    "auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```

### Beispiel: 3D-Punktwolken-Verifizierung
<a name="example-3d-point-cloud-verification"></a>

Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei für eine Labelkategorie, die Sie für eine Labeling-Aufgabe zur Erkennung von 3D-Punktwolkenobjekten oder zur Überprüfung der Objektverfolgung verwenden können. Für eine Überprüfung der semantischen Segmentierung von 3D-Punktwolken, werden `categoryGlobalAttributes` und `categoryAttributes` nicht unterstützt. 

Sie müssen `auditLabelAttributeName` eingeben, um den Namen des Etikettenattributs des vorherigen Etikettierungsauftrags anzugeben, den Sie für die Erstellung des Prüfetikettierungsauftrags verwenden. Darüber hinaus müssen Sie den `editsAllowed` Parameter verwenden, um anzugeben, dass keine Beschriftungen bearbeitet werden können. 

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "editsAllowed":"any", 
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "editsAllowed":"any", 
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"]
        },   
    ],
    "categoryGlobalAttributes": [
        {
            "name":"W",
            "editsAllowed":"none", 
            "description":"label-attributes-for-all-labels",
            "type":"string",
            "enum": ["foo", "buzz", "biz"]
        }
    ],
    "labels": [
        {
            "label": "Car",
            "editsAllowed":"none", 
            "categoryAttributes": [
                {
                    "name":"X",
                    "description":"enter a number",
                    "type":"number",
                    "editsAllowed":"none"
                },
                {
                    "name":"Y",
                    "description":"select an option",
                    "type":"string",
                    "enum":["y1", "y2"],
                    "editsAllowed":"any"
                },
                {
                    "name":"Z",
                    "description":"submit a free-form response",
                    "type":"string",
                    "editsAllowed":"none"
                }
            ]
        },
        {
            "label": "Pedestrian",
            "editsAllowed":"none", 
            "categoryAttributes": [...]
        }
    ],
    "instructions": {"shortInstruction":"Draw a tight Cuboid", "fullInstruction":"<html markup>"},
    // include auditLabelAttributeName for label verification jobs
    "auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```

## Beispiele: Konfigurationsdateien für Kennzeichnungskategorien für Jobs zur Kennzeichnung von Video-Frames
<a name="sms-label-cat-config-attributes-vid-frame"></a>

Welche Annotationstools Ihrem Mitarbeiter zur Verfügung stehen und welcher Aufgabentyp verwendet wird, hängt von dem Wert ab, den `annotationType` Sie angeben. Wenn Sie beispielsweise möchten, dass Mitarbeiter anhand von Schlüsselpunkten Änderungen in der Pose bestimmter Objekte über mehrere Frames hinweg verfolgen, geben Sie `Keypoint` für `annotationType` an. Wenn Sie keinen Annotationstyp festlegen, `BoundingBox` wird standardmäßig verwendet. 

Die folgenden Themen enthalten Beispiele für Konfigurationsdateien für Video-Frame-Kategorien.

**Topics**
+ [Beispiel: Video-Frame-Schlüsselpunkt](#example-video-frame-keypoint)
+ [Beispiel: Video-Frame-Anpassung](#example-video-frame-adjustment)
+ [Beispiel: Video-Frame-Verifizierung](#example-video-frame-verification)

### Beispiel: Video-Frame-Schlüsselpunkt
<a name="example-video-frame-keypoint"></a>

Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei mit Schlüsselpunktbeschriftungskategorien für Videoframes und Label-Kategorieattributen. Dieses Beispiel enthält zwei Frame-Attribute, die allen Frames hinzugefügt werden, die für den Beschriftungsauftrag eingereicht wurden. Die `Car` Bezeichnung wird vier Attribute für die Labelkategorie enthalten–`X`, `Y`, `Z`, und das globale Attribut `W`. 

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"]
        },   
    ],
    "categoryGlobalAttributes": [
        {
            "name":"W",
            "description":"label-attributes-for-all-labels",
            "type":"string",
            "enum": ["foo", "buz", "buz2"]
        }
    ],
    "labels": [
        {
            "label": "Car",
            "categoryAttributes": [
                {
                    "name":"X",
                    "description":"enter a number",
                    "type":"number",
                },
                {
                    "name":"Y",
                    "description":"select an option",
                    "type":"string",
                    "enum": ["y1", "y2"]
                },
                {
                    "name":"Z",
                    "description":"submit a free-form response",
                    "type":"string",
                }
            ]
        },
        {
            "label": "Pedestrian",
            "categoryAttributes": [...]
        }
    ],
    "annotationType":"Keypoint",
    "instructions": {"shortInstruction":"add example short instructions here", "fullInstruction":"<html markup>"}
}
```

### Beispiel: Video-Frame-Anpassung
<a name="example-video-frame-adjustment"></a>

Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei für Labelkategorien, die Sie für einen Beschriftungsauftrag zur Anpassung von Videobildern verwenden können.

Sie müssen `auditLabelAttributeName` eingeben, um den Namen des Label-Attributs des vorherigen Beschriftungsaufträge anzugeben, mit dem Sie den Beschriftungsauftrag zur Überprüfung erstellt haben. Optional können Sie den `editsAllowed` Parameter verwenden, um anzugeben, ob Beschriftungen, Etikettenkategorieattribute oder Rahmenattribute bearbeitet werden können. 

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "editsAllowed":"none", 
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"]
        },   
    ],
    "categoryGlobalAttributes": [
        {
            "name":"W",
            "editsAllowed":"any", 
            "description":"label-attributes-for-all-labels",
            "type":"string",
            "enum": ["foo", "buz", "buz2"]
        }
    ],
    "labels": [
        {
            "label": "Car",
            "editsAllowed":"any", 
            "categoryAttributes": [
                {
                    "name":"X",
                    "description":"enter a number",
                    "type":"number",
                    "editsAllowed":"any"
                },
                {
                    "name":"Y",
                    "description":"select an option",
                    "type":"string",
                    "enum": ["y1", "y2"],
                    "editsAllowed":"any"
                },
                {
                    "name":"Z",
                    "description":"submit a free-form response",
                    "type":"string",
                    "editsAllowed":"none"
                }
            ]
        },
        {
            "label": "Pedestrian",
            "editsAllowed":"none", 
            "categoryAttributes": [...]
        }
    ],
    "annotationType":"Keypoint",
    "instructions": {"shortInstruction":"add example short instructions here", "fullInstruction":"<html markup>"},
    // include auditLabelAttributeName for label adjustment jobs
    "auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```

### Beispiel: Video-Frame-Verifizierung
<a name="example-video-frame-verification"></a>

Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei für eine Labelkategorie für einen Auftrag zur Kennzeichnung von Videoframes.

Sie müssen `auditLabelAttributeName` eingeben, um den Namen des Label-Attributs des vorherigen Beschriftungsaufträge anzugeben, mit dem Sie den Beschriftungsauftrag zur Überprüfung erstellt haben. Darüber hinaus müssen Sie den `editsAllowed` Parameter verwenden, um anzugeben, dass keine Beschriftungen bearbeitet werden können. 

```
{
    "documentVersion": "2020-03-01",
    "frameAttributes": [
        {
            "name":"count players",
            "editsAllowed":"none", 
            "description":"How many players to you see in the scene?",
            "type":"number"
        },
        {
            "name":"select one",
            "editsAllowed":"any", 
            "description":"describe the scene",
            "type":"string",
            "enum":["clear","blurry"]
        },   
    ],
    "categoryGlobalAttributes": [
        {
            "name":"W",
            "editsAllowed":"none", 
            "description":"label-attributes-for-all-labels",
            "type":"string",
            "enum": ["foo", "buz", "buz2"]
        }
    ],
    "labels": [
        {
            "label": "Car",
            "editsAllowed":"none", 
            "categoryAttributes": [
                {
                    "name":"X",
                    "description":"enter a number",
                    "type":"number",
                    "editsAllowed":"any"
                },
                {
                    "name":"Y",
                    "description":"select an option",
                    "type":"string",
                    "enum": ["y1", "y2"],
                    "editsAllowed":"any"
                },
                {
                    "name":"Z",
                    "description":"submit a free-form response",
                    "type":"string",
                    "editsAllowed":"none"
                }
            ]
        },
        {
            "label": "Pedestrian",
            "editsAllowed":"none", 
            "categoryAttributes": [...]
        }
    ],
    "annotationType":"Keypoint",
    "instructions": {"shortInstruction":"add example short instructions here", "fullInstruction":"<html markup>"},
    // include auditLabelAttributeName for label adjustment jobs
    "auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```

## Schema der Konfigurationsdatei für Kennzeichnungskategorien
<a name="sms-label-cat-config-attributes-schema"></a>

In der folgenden Tabelle sind Elemente aufgeführt, die Sie in die Konfigurationsdatei der Beschriftungskategorie aufnehmen können und müssen.

**Anmerkung**  
Der Parameter `annotationType` wird nur für Auftrag zur Kennzeichnung von Videoframes unterstützt. 


****  

|  Parameter  |  Erforderlich  |  Akzeptierte Werte  |  Description  | 
| --- | --- | --- | --- | 
| frameAttributes |  Nein  |  Eine Liste von JSON-Objekten **Erforderliche Parameter in jedem JSON-Objekt:** `name`, `type`, `description` `minimum` und `maximum` sind erforderlich, falls `type` is `"number"` **Optionale Parameter in jedem JSON-Objekt:** `enum`, `editsAllowed`, `isRequired`  | Verwenden Sie diesen Parameter, um ein Rahmenattribut zu erstellen, das auf alle Frames oder 3D-Punktwolken in Ihrem Beschriftungsauftrag angewendet wird.Weitere Informationen finden Sie in der dritten Tabelle in diesem Abschnitt.  | 
| categoryGlobalAttributes |  Nein  |  Eine Liste von JSON-Objekten **Erforderliche Parameter in jedem JSON-Objekt:** `name`, `type` `minimum` und `maximum` sind erforderlich, falls `type` is `"number"` **Optionale Parameter in jedem JSON-Objekt:** `description`, `enum`, `editsAllowed`, `isRequired`   | Verwenden Sie diesen Parameter, um Etikettenkategorie-Attribute zu erstellen, die auf alle Etiketten angewendet werden, die Sie in `labels` angeben. Weitere Informationen finden Sie in der dritten Tabelle in diesem Abschnitt.  | 
| labels |  Ja  |  Eine Liste von bis zu 30 JSON-Objekten **Erforderliche Parameter in jedem JSON-Objekt:** `label` **Optionale Parameter in jedem JSON-Objekt:** `categoryAttributes`, `editsAllowed`  |  Verwenden Sie diesen Parameter, um Ihre Beschriftungen oder Klassen anzugeben. Fügen Sie eine `label` für jede Klasse hinzu.  Um einer Beschriftung ein Beschriftungskategorieattribut hinzuzufügen, fügen Sie dieser Beschriftung `categoryAttributes` hinzu. Verwenden Sie `editsAllowed`, um anzugeben, ob ein Etikett im Rahmen eines Anpassungsbeschriftungsauftrags bearbeitet werden kann oder nicht. Stellen Sie `editsAllowed` auf `"none"` für Prüfbeschriftungsaufträge ein. Weitere Informationen können Sie der folgenden Tabelle entnehmen.  | 
| annotationType (wird nur für Aufträge zur Kennzeichnung von Videoframes unterstützt)  |  Nein   |  String **Akzeptierte Parameter:** `BoundingBox`, `Polyline`, `Polygon`, `Keypoint` **Standard:** `BoundingBox`  |  Verwenden Sie diese Option, um den Aufgabentyp für Ihre Videoframe-Beschriftungsaufträge anzugeben. Wählen Sie `Polygon` beispielsweise für eine Aufgabe zur Erkennung von Polygon-Videoframe-Objekten.  Wenn Sie `annotationType` bei der Erstellung eines Videoframe-Beschriftungsaufträge nicht angeben, verwendet Ground Truth `BoundingBox` standardmäßig.   | 
| instructions |  Nein  | Ein JSON-ObjektErforderliche Parameter in jedem JSON-Objekt:`"shortInstruction"`, `"fullInstruction"` |  Verwenden Sie diesen Parameter, um Anweisungen für die Auftragnehmer hinzuzufügen, damit Ihre Auftragnehmer ihre Aufgaben erledigen können. Weitere Informationen zu Anweisungen für Auftragnehmer finden Sie unter [Anweisungen für Arbeitnehmer](sms-point-cloud-general-information.md#sms-point-cloud-worker-instructions-general).  Kurze Anweisungen müssen weniger als 255 Zeichen lang sein und lange Anweisungen müssen unter 2.048 Zeichen lang sein.  Weitere Informationen finden Sie unter [Erstellen von Anweisungsseiten](sms-creating-instruction-pages.md).  | 
| auditLabelAttributeName |  Erforderlich für die Aufgabentypen Anpassung und Überprüfung  |  String  |  Geben Sie den im Labeling-Job [LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName)verwendeten Namen ein, dessen Anmerkungen Sie anpassen möchten.  Verwenden Sie diesen Parameter nur, wenn Sie einen Anpassungsauftrag für die Videobild- und 3D-Punktwolken-Objekterkennung, die Objektverfolgung oder die semantische 3D-Punktwolkensegmentierung erstellen.   | 

### Objektschema für Labels
<a name="sms-labels-schema"></a>

In der folgenden Tabelle werden die Parameter beschrieben, die Sie verwenden können und müssen, um eine Liste von `Labels` zu erstellen. Jeder Parameter sollte in einem JSON-Objekt enthalten sein. 


****  

| Parameter | Erforderlich | Akzeptierte Werte | Description | 
| --- | --- | --- | --- | 
| label |  Ja  |  Zeichenfolge  |  Der Name der Etikettenkategorie, die den Arbeitnehmern angezeigt wird. Jeder Etikettenkategoriename muss eindeutig sein.  | 
| categoryAttributes |  Nein  |  Eine Liste von JSON-Objekten **Erforderliche Parameter in jedem JSON-Objekt:** `name`, `type` `minimum` und `maximum` sinf erforderlich, falls `type` ist `"number"` **Optionale Parameter in jedem JSON-Objekt:** `description`, `enum`, `editsAllowed`, `isRequired`  | Verwenden Sie diesen Parameter, um Etikettenkategorie-Attribute zu bestimmten Etiketten hinzuzufügen, die Sie in `labels` angeben. Um einem Label ein oder mehrere Label-Kategorie-Attribute hinzuzufügen, fügen Sie das `categoryAttributes` JSON-Objekt in dasselbe `labels` JSON-Objekt wie ein `label`.Weitere Informationen können Sie der folgenden Tabelle entnehmen.  | 
| editsAllowed |  Nein  |  Zeichenfolge **Unterstützte Werte**: `"none"`: Es sind keine Änderungen zulässig. oder `"any"` (Standard): Alle Änderungen sind erlaubt.  |  Gibt an, ob ein Etikett von Mitarbeitern bearbeitet werden kann oder nicht. Fügen Sie bei Beschriftungsaufträgen zur *Anpassung* von Videorahmen oder 3D-Punktwolken diesen Parameter zu einem oder mehreren JSON-Objekten in der `labels` Liste hinzu, um anzugeben, ob ein Worker eine Bezeichnung bearbeiten kann oder nicht. Bei Beschriftungsaufträgen zur *Überprüfung* von 3D-Punktwolken und Videoframes fügen Sie diesen Parameter mit dem Wert `"none"` jedem JSON-Objekt in der `labels` Liste hinzu. Dadurch können alle Beschriftungen nicht mehr bearbeitet werden.  | 

### FrameAttributes und Schema categoryGlobalAttributes
<a name="sms-category-attributes-schema"></a>

In der folgenden Tabelle werden die Parameter beschrieben, die Sie verwenden können und müssen, um ein Rahmenattribut `frameAttributes` mit und ein Kategorieattribut mit den `categoryGlobalAttributes` and `categoryAttributes` Parametern zu erstellen.


****  

|  Parameter  |  Erforderlich  |  Akzeptierte Werte  |  Description  | 
| --- | --- | --- | --- | 
| name |  Ja  |  Zeichenfolge  |  Verwenden Sie diesen Parameter, um Ihrer Etikettenkategorie oder Ihrem Rahmenattribut einen Namen zu geben. Dies ist der Attributname, den die Arbeiter sehen. Jeder Attributname für die Labelkategorie in Ihrer Labelkategorie-Konfigurationsdatei muss eindeutig sein. Globale Etikettenkategorieattribute und beschriftungsspezifische Etikettenkategorieattribute können nicht denselben Namen haben.  | 
| type |  Ja  |  Zeichenfolge **Erforderliche Werte**: `"string"` oder `"number"`  |  Verwenden Sie diesen Parameter, um den Attributtyp der Beschriftungskategorie zu definieren.  Wenn Sie `"string"` und `type` angeben und einen `enum` Wert für dieses Attribut angeben, können Mitarbeiter aus einer der von Ihnen angegebenen Optionen wählen.  Wenn Sie keinen `enum` Wert angeben und `"string"` und `type` angeben, können Mitarbeiter Text in freier Form eingeben.  Wenn Sie `number` für `type` angeben, kann der Mitarbeiter eine Zahl zwischen den `minimum` und `maximum` von Ihnen angegebenen Zahlen eingeben.   | 
| enum |  Nein  |  Liste von Zeichenfolgen  |  Verwenden Sie diesen Parameter, um die Optionen festzulegen, aus denen Arbeiter für diese Etikettenkategorie oder dieses Rahmenattribut wählen können. Auftragnehmer können einen Wert auswählen, der in `enum` angegeben ist. Wenn Sie beispielsweise `["foo", "buzz", "bar"` für `enum` angeben, können Mitarbeiter eine der Optionen `foo`, `buzz`, oder `bar` wählen. Sie müssen `"string"` für `type` angeben, um eine `enum` Liste verwenden zu können.  | 
| description |  `frameAttributes`: Yes `categoryAttributes` oder`categoryGlobalAttributes`: Nein  |  Zeichenfolge  |  Verwenden Sie diesen Parameter, um eine Beschreibung des Attributs für die Beschriftungskategorie hinzuzufügen. Sie können dieses Feld verwenden, um den Mitarbeitern weitere Informationen über das Attribut zu erhalten.  Dieses Feld ist nur für Rahmenattribute erforderlich.  | 
| minimum und maximum | Erforderlich, falls das Attribut type ist "number" | Ganzzahlen |  Verwenden Sie diese Parameter, um Mindest- und Höchstwerte (einschließlich) anzugeben, die Mitarbeiter für numerische Labelkategorien- oder Rahmenattribute eingeben können. Sie müssen Werte `"number"` für `type` angeben, um `minimum` und `maximum` zu verwenden.  | 
| editsAllowed |  Nein  |  Zeichenfolge **Erforderliche Werte**: `"none"`: Es sind keine Änderungen zulässig. oder `"any"` (Standard): Alle Änderungen sind erlaubt.  |  Gibt an, ob eine Labelkategorie oder ein Rahmenattribut von Mitarbeitern bearbeitet werden kann. Fügen Sie bei Aufträgen zur *Anpassung* und *Überprüfung* der Kennzeichnung von Videoframes oder 3D-Punktwolken diesen Parameter zur Kennzeichnung von Kategorie- und Frame-Attributen hinzu, um anzugeben, ob ein Worker ein Attribut bearbeiten kann oder nicht.  | 
| isRequired |  Nein  |  Boolesch  |  Gibt an, ob Mitarbeiter ein Attribut mit Anmerkungen versehen müssen. Mitarbeiter können den Auftrag erst einreichen, wenn alle erforderlichen Attribute mit Anmerkungen versehen wurden.  | 

## Kontingente für Beschriftung und Beschriftungskategorieattribute
<a name="sms-point-cloud-label-cat-limits"></a>

Sie können bis zu 10 Beschriftungskategorieattribute pro Klasse angeben. Diese 10-Attribut-Kontingente enthalten Attribute der globalen Beschriftungskategorie. Wenn Sie beispielsweise vier Attribute der globalen Beschriftungskategorie erstellen und dann drei Beschriftungskategorieattribute der Beschriftung `X` zuweisen, weist diese Beschriftung insgesamt 4 \$1 3 = 7 Beschriftungskategorieattribute auf. Alle Beschränkungen für die Beschriftungskategorie und das Beschriftungskategorieattribut finden Sie in der folgenden Tabelle.


****  

|  Typ  |  Min  |  Max  | 
| --- | --- | --- | 
|  Bezeichnungen (`Labels`)  |  1  |  30  | 
|  Etikett Name Zeichenquote  |  1  |  16  | 
|  Attribute der Etikettenkategorie pro Etikett (Summe aus `categoryAttributes` und `categoryGlobalAttributes`)  |  0  |  10  | 
|  Label-Kategorieattribute pro Etikett (Summe aus `categoryAttributes` und `categoryGlobalAttributes`) in freier Texteingabe.   | 0 | 5 | 
|  Rahmenattribute  |  0  |  10  | 
|  Freiform-Texteingabeattribute in `frameAttributes`.  | 0 | 5 | 
|  Attributname Zeichenanteil (`name`)  |  1  |  16  | 
|  Attributbeschreibung Zeichenquote (`description`)  |  0  |  128  | 
|  Attribut Typ Zeichen Quote (`type`)  |  1  |  16  | 
|  Zulässige Werte in der `enum` Liste für ein `string` Attribut  | 1 | 10 | 
|  Zeichenkontingent für einen Wert in der `enum` Liste  | 1 | 16 | 
| Maximale Anzahl an Zeichen in der Freitextantwort für Freiformtext frameAttributes | 0 | 1000 | 
| Maximale Anzahl an Zeichen in der Freitextantwort für Freiformtext categoryAttributes und categoryGlobalAttributes | 0 | 80 |