Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Konsolidasi anotasi
catatan
Amazon SageMaker Ground Truth tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Ground Truth, tetapi kami tidak berencana untuk memperkenalkan fitur baru.
Anotasi adalah hasil dari tugas pelabelan pekerja tunggal. Konsolidasi anotasi menggabungkan anotasi dua atau lebih pekerja ke dalam satu label untuk objek data Anda. Label, yang ditetapkan untuk setiap objek dalam kumpulan data, adalah perkiraan probabilistik tentang apa label yang sebenarnya seharusnya. Setiap objek dalam dataset biasanya memiliki beberapa anotasi, tetapi hanya satu label atau set label.
Anda memutuskan berapa banyak pekerja yang membuat anotasi setiap objek dalam dataset Anda. Menggunakan lebih banyak pekerja dapat meningkatkan akurasi label Anda, tetapi juga meningkatkan biaya pelabelan. Untuk mempelajari lebih lanjut tentang harga Ground Truth, lihat harga Amazon SageMaker Ground Truth
Jika Anda menggunakan konsol Amazon SageMaker AI untuk membuat pekerjaan pelabelan, berikut ini adalah default untuk jumlah pekerja yang dapat membuat anotasi objek:
-
Klasifikasi teks—3 pekerja
-
Klasifikasi gambar—3 pekerja
-
Kotak pembatas—5 pekerja
-
Segmentasi semantik—3 pekerja
-
Pengakuan entitas bernama — 3 pekerja
Saat Anda menggunakan CreateLabelingJob operasi, Anda mengatur jumlah pekerja untuk membuat anotasi setiap objek data dengan NumberOfHumanWorkersPerDataObject parameter. Anda dapat mengganti jumlah default pekerja yang membuat anotasi objek data menggunakan konsol atau operasi. CreateLabelingJob
Ground Truth menyediakan fungsi konsolidasi anotasi untuk setiap tugas pelabelan yang telah ditentukan sebelumnya: kotak pembatas, klasifikasi gambar, pengenalan entitas nama, segmentasi semantik, dan klasifikasi teks. Ini adalah fungsinya:
-
Multi-class konsolidasi anotasi untuk klasifikasi gambar dan teks menggunakan varian pendekatan Maksimalisasi
Ekspektasi untuk anotasi. Ini memperkirakan parameter untuk setiap pekerja dan menggunakan inferensi Bayesian untuk memperkirakan kelas sebenarnya berdasarkan anotasi kelas dari pekerja individu. -
Anotasi kotak pembatas mengkonsolidasikan kotak pembatas dari beberapa pekerja. Fungsi ini menemukan kotak yang paling mirip dari pekerja yang berbeda berdasarkan indeks Jaccard
, atau persimpangan persatuan, dari kotak dan meratakannya. -
Konsolidasi anotasi segmentasi semantik memperlakukan setiap piksel dalam satu gambar sebagai klasifikasi multi-kelas. Fungsi ini memperlakukan anotasi piksel dari pekerja sebagai “suara,” dengan informasi lebih lanjut dari piksel sekitarnya digabungkan dengan menerapkan fungsi penghalusan ke gambar.
-
Pengenalan entitas bernama mengelompokkan pilihan teks berdasarkan kesamaan Jaccard dan menghitung batas pemilihan berdasarkan mode, atau median jika mode tidak jelas. Label terselesaikan ke label entitas yang paling ditetapkan dalam cluster, memutuskan hubungan dengan pemilihan acak.
Anda dapat menggunakan algoritma lain untuk mengkonsolidasikan anotasi. Untuk informasi, lihat Pembuatan fungsi konsolidasi anotasi.
