Starten Sie einen Job zur Überprüfung oder Anpassung von Etiketten (API) - Amazon SageMaker KI

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.

Starten Sie einen Job zur Überprüfung oder Anpassung von Etiketten (API)

Starten Sie einen Kennzeichnungsverifizierungs- oder Anpassungsauftrag, indem Sie einen erfolgreich abgeschlossenen Auftrag verketten oder einen neuen Auftrag mit der Operation CreateLabelingJob von Grund auf neu starten. Das Verfahren entspricht fast völlig der Einrichtung eines neuen Kennzeichnungsauftrags mit CreateLabelingJob, allerdings mit einigen Änderungen. In den folgenden Abschnitten erfahren Sie, welche Änderungen erforderlich sind, um einen Kennzeichnungsauftrag zu verketten, um einen Anpassungs- oder Kennzeichnungsverifizierungsauftrag zu erstellen.

Wenn Sie mithilfe der Ground Truth API einen Kennzeichnungsverifizierungs- oder -anpassungsauftrag erstellen, müssen Sie einen anderen LabelAttributeName verwenden als den ursprünglichen Kennzeichnungsauftrag. Der ursprüngliche Kennzeichnungsauftrag ist der Auftrag, der zum Erstellen der Beschriftungen verwendet wird, die Sie angepasst oder verifiziert haben wollen.

Wichtig

Die Konfigurationsdatei für die Kennzeichnungskategorien, die Sie für einen Anpassungs- oder Verifizierungsauftrags in LabelCategoryConfigS3Uri identifizieren, CreateLabelingJob muss dieselben Beschriftungen enthalten, die auch im ursprünglichen Kennzeichnungsauftrag verwendet wurden. Sie können neue Beschriftungen hinzufügen. Für 3D-Punktwolken- und Videoframe-Aufträge können Sie zu der Konfigurationsdatei für die Kennzeichnungskategorien neue Kennzeichnungskategorien- und Frame-Attribute hinzufügen.

Begrenzungsrahmen und Semantische Segmentierung

Um einen Kennzeichnungsverifizierungs- oder -anpassungsauftrag für Begrenzungsrahmen oder semantische Segmentierungen zu erstellen, verwenden Sie die folgenden Richtlinien, um API-Attribute für den Vorgang CreateLabelingJob anzugeben.

  • Verwenden Sie den LabelAttributeName Parameter, um den Namen de Bezeichnung anzugeben, die Sie für geprüfte oder angepasste Kennzeichnungen verwenden möchten. Sie müssen ein anderes LabelAttributeName als das für den ursprünglichen Kennzeichnungsauftrag verwendete verwenden.

  • Wenn Sie den Auftrag verketten, werden die Kennzeichnungen aus dem vorangehenden Kennzeichnungsauftrag, der angepasst oder überprüft werden soll, in der benutzerdefinierten Benutzeroberflächenvorlage angegeben. Informationen zum Erstellen einer benutzerdefinierten Vorlage finden Sie unter Erstellen benutzerdefinierter Auftragnehmervorlagen.

    Identifizieren Sie den Speicherort der UI-Vorlage im UiTemplateS3UriParameter. SageMaker AI stellt Widgets bereit, die Sie in Ihrer benutzerdefinierten Vorlage verwenden können, um alte Beschriftungen anzuzeigen. Verwenden Sie das Attribut initial-value in einem der folgenden Crowd-Elemente, um die Kennzeichnungen zu extrahieren, die überprüft oder angepasst werden müssen, und fügen Sie sie in die Aufgabenvorlage ein:

    • crowd-semantic-segmentation – Verwenden Sie dieses Crowd-Element in Ihrer benutzerdefinierten UI-Aufgabenvorlage, um semantische Segmentierungsbeschriftungen anzugeben, die überprüft oder angepasst werden müssen.

    • crowd-bounding-box – Verwenden Sie dieses Crowd-Element in Ihrer benutzerdefinierten UI-Aufgabenvorlage, um Begrenzungsrahmenbeschriftungen anzugeben, die überprüft oder angepasst werden müssen.

  • Der Parameter LabelCategoryConfigS3Uri muss dieselben Kennzeichnungskategorien enthalten wie der vorherige Kennzeichnungsauftrag.

  • Verwenden Sie das Bounding Box oder das ARNs Lambda zur Anpassung oder Überprüfung der semantischen Segmentierung für und: PreHumanTaskLambdaArnAnnotationConsolidationLambdaArn

    • Für das Bounding Box enden die Lambda-Funktion des Anpassungs-Labeling-Jobs mit AdjustmentBoundingBox und die Verifizierungs-Lambda-Funktion ARNs enden mit. ARNs VerificationBoundingBox

    • Bei der semantischen Segmentierung endet die Lambda-Funktion des Anpassungs-Labeling-Jobs mit AdjustmentSemanticSegmentation und die Verifizierungs-Lambda-Funktion ARNs endet mit. ARNs VerificationSemanticSegmentation

3D-Punktwolke und Videoframe

  • Verwenden Sie den LabelAttributeName Parameter, um den Namen der Ausgabebezeichnung anzugeben, die bei geprüften oder angepassten Kennzeichnungen verwendet werden sollen. Sie müssen ein anderes LabelAttributeName als das für den ursprünglichen Kennzeichnungsauftrag verwendete verwenden.

  • Sie müssen die Benutzeroberfläche für menschliche Tätigkeiten Amazon Resource Name (ARN) verwenden (HumanTaskUiArn), die für den ursprünglichen Kennzeichnungsauftrag verwendet wurde. Informationen zur Unterstützung ARNs finden Sie unter HumanTaskUiArn.

  • In der Konfigurationsdatei für die Kennzeichnungskategorie müssen Sie im auditLabelAttributeName Parameter den Kennzeichnungsattributnamen (LabelAttributeName) des vorangehenden Kennzeichnungsauftrags angeben, mit dem Sie den Kennzeichnungsverifizierungs- und -anpassungsauftrag erstellt haben.

  • Mit Hilfe des Parameters editsAllowed in der Konfigurationsdatei Ihrer Beschriftungskategorie, die durch den LabelCategoryConfigS3Uri Parameter identifiziert wird, geben Sie an, ob es sich bei Ihrem Kennzeichnungsauftrag um einen Überprüfungs- oder Anpassungs- Kennzeichnungsauftrag handelt.

    • Bei Kennzeichnungsaufträgen zur Verifizierung müssen Sie den editsAllowed Parameter verwenden, um anzugeben, dass nicht alle Beschriftungen geändert werden können. editsAllowed muss in jedem Eintrag in "none" auf labels gesetzt werden. Optional können Sie angeben, ob die Kennzeichnungskategorieattribute und die Frame-Attribute von Mitarbeitern angepasst werden können.

    • Optional können Sie für Anpassungs-beschriftungsaufträge den editsAllowed Parameter verwenden, um Beschriftungen, Kennzeichnungskategorieattribute und Frame-Attribute anzugeben, die von Mitarbeitern geändert werden können oder nicht. Wenn Sie diesen Parameter nicht verwenden, können alle Beschriftungen, Kennzeichnungenkategorieattribute und Frame-Attribute angepasst werden.

    Weitere Informationen zum editsAllowed Parameter und zur Konfiguration Ihrer Kennzeichnungskategorie-Konfigurationsdatei finden Sie unter Schema der Konfigurationsdatei für die Labelkategorie.

  • Verwenden Sie das Lambda zur Anpassung von 3D-Punktwolken oder Videoframes PreHumanTaskLambdaArnsowohl ARNs AnnotationConsolidationLambdaArnfür Anpassungen als auch für Kennzeichnungsaufgaben zur Überprüfung:

    • Bei 3D-Punktwolken ARNs endet die Lambda-Funktion für die Anpassung und Überprüfung des Labeling-Jobs jeweils mit Adjustment3DPointCloudSemanticSegmentationAdjustment3DPointCloudObjectTracking, und Adjustment3DPointCloudObjectDetection für die semantische Segmentierung von 3D-Punktwolken, Objekterkennung und Objektverfolgung.

    • Bei Videoframes ARNs endet die Lambda-Funktion des Einstellungs- und Verifizierungs-Labeling-Jobs jeweils mit der Objekterkennung AdjustmentVideoObjectDetection und der Objektverfolgung AdjustmentVideoObjectTracking für Videobilder.

Ground Truth speichert die Ausgabedaten eines Kennzeichnungsverifizierungs- oder Anpassungsauftrags in dem S3-Bucket, den Sie im S3OutputPath Parametern des CreateLabelingJob Vorgangs angegeben haben. Weitere Informationen zu den Ausgabedaten aus einem Kennzeichnungsverifizierungs- oder Anpassungs-Kennzeichnungsauftrag finden Sie unter Beschriftungsverifizierungs- und Anpassungsdaten im Ausgabemanifest.