Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Identifikasi konten gambar menggunakan segmentasi semantik
<a name="sms-semantic-segmentation"></a>

Untuk mengidentifikasi konten gambar pada tingkat piksel, gunakan tugas pelabelan segmentasi semantik Amazon SageMaker Ground Truth. Saat diberi pekerjaan pelabelan segmentasi semantik, pekerja mengklasifikasikan piksel dalam gambar ke dalam satu set label atau kelas yang telah ditentukan sebelumnya. Ground Truth mendukung pekerjaan pelabelan segmentasi semantik tunggal dan multi-kelas. Anda membuat pekerjaan pelabelan segmentasi semantik menggunakan bagian Ground Truth dari konsol Amazon SageMaker AI atau operasinya. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 

Gambar yang berisi sejumlah besar objek yang perlu disegmentasi membutuhkan lebih banyak waktu. Untuk membantu pekerja (dari tenaga kerja swasta atau vendor) memberi label objek ini dalam waktu yang lebih singkat dan dengan akurasi yang lebih besar, Ground Truth menyediakan alat segmentasi otomatis berbantuan AI. Untuk informasi, lihat [Alat Segmentasi Otomatis](sms-auto-segmentation.md).

**penting**  
Untuk jenis tugas ini, jika Anda membuat file manifes sendiri, gunakan `"source-ref"` untuk mengidentifikasi lokasi setiap file gambar di Amazon S3 yang ingin diberi label. Untuk informasi selengkapnya, lihat [Data input](sms-data-input.md).

## Membuat Pekerjaan Pelabelan Segmentasi Semantik (Konsol)
<a name="sms-creating-ss-labeling-job-console"></a>

Anda dapat mengikuti petunjuk [Membuat Job Pelabelan (Konsol)](sms-create-labeling-job-console.md) untuk mempelajari cara membuat pekerjaan pelabelan segmentasi semantik di konsol AI. SageMaker Pada Langkah 10, pilih **Gambar** dari menu tarik-turun **kategori Tugas**, dan pilih **Segmentasi semantik sebagai jenis** tugas. 

Ground Truth menyediakan UI pekerja yang mirip dengan yang berikut ini untuk tugas pelabelan. Saat membuat pekerjaan pelabelan dengan konsol, Anda menentukan petunjuk untuk membantu pekerja menyelesaikan pekerjaan dan label yang dapat dipilih pekerja. 

![\[Gif menunjukkan contoh tentang cara membuat pekerjaan pelabelan segmentasi semantik di konsol AI. SageMaker\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/semantic_segmentation_sample.gif)


## Membuat Semantic Segmentation Labeling Job (API)
<a name="sms-creating-ss-labeling-job-api"></a>

Untuk membuat pekerjaan pelabelan segmentasi semantik, gunakan operasi API. SageMaker `CreateLabelingJob` API ini mendefinisikan operasi ini untuk semua AWS SDKs. Untuk melihat daftar bahasa khusus yang SDKs didukung untuk operasi ini, tinjau bagian **Lihat Juga**. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)

Ikuti petunjuk [Membuat Job Pelabelan (API)](sms-create-labeling-job-api.md) dan lakukan hal berikut saat Anda mengonfigurasi permintaan Anda: 
+ Fungsi Lambda pra-anotasi untuk jenis tugas ini diakhiri dengan. `PRE-SemanticSegmentation` Untuk menemukan Lambda ARN pra-anotasi untuk Wilayah Anda, lihat. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) 
+ Fungsi Lambda konsolidasi anotasi untuk jenis tugas ini diakhiri dengan. `ACS-SemanticSegmentation` Untuk menemukan Lambda ARN konsolidasi anotasi untuk Wilayah Anda, lihat. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) 

Berikut ini adalah contoh [permintaan AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) untuk membuat pekerjaan pelabelan di Wilayah AS Timur (Virginia N.). Semua parameter berwarna merah harus diganti dengan spesifikasi dan sumber daya Anda. 

```
response = client.create_labeling_job(
    LabelingJobName='example-semantic-segmentation-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/worker-task-template.html'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-SemanticSegmentation,
        'TaskKeywords': [
            'Semantic Segmentation',
        ],
        'TaskTitle': 'Semantic segmentation task',
        'TaskDescription': 'For each category provided, segment out each relevant object using the color associated with that category',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-SemanticSegmentation'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)
```

### Berikan Template untuk Pekerjaan Pelabelan Segmentasi Semantik
<a name="sms-create-labeling-job-ss-api-template"></a>

Jika Anda membuat pekerjaan pelabelan menggunakan API, Anda harus menyediakan template tugas pekerja di`UiTemplateS3Uri`. Salin dan modifikasi template berikut. Hanya memodifikasi [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions), [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions), dan`header`. 

Unggah template ini ke S3, dan berikan URI S3 untuk file ini. `UiTemplateS3Uri`

```
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-semantic-segmentation
    name="crowd-semantic-segmentation"
    src="{{ task.input.taskObject | grant_read_access }}"
    header="Please segment out all pedestrians."
    labels="{{ task.input.labels | to_json | escape }}"
  >
    <full-instructions header="Segmentation instructions">
      <ol><li><strong>Read</strong> the task carefully and inspect the image.</li>
      <li><strong>Read</strong> the options and review the examples provided to understand more about the labels.</li>
      <li><strong>Choose</strong> the appropriate label that best suits an object and paint that object using the tools provided.</li></ol>
    </full-instructions>
    <short-instructions>
      <h2><span style="color: rgb(0, 138, 0);">Good example</span></h2>
      <p>Enter description to explain a correctly done segmentation</p>
      <p><br></p><h2><span style="color: rgb(230, 0, 0);">Bad example</span></h2>
      <p>Enter description of an incorrectly done segmentation</p>
    </short-instructions>
  </crowd-semantic-segmentation>
</crowd-form>
```

## Data Keluaran Segmentasi Semantik
<a name="sms-ss-ouput-data"></a>

Setelah Anda membuat pekerjaan pelabelan segmentasi semantik, data keluaran Anda akan ditempatkan di bucket Amazon S3 yang ditentukan dalam `S3OutputPath` parameter saat menggunakan API atau di bidang **lokasi kumpulan data Output** pada bagian Ikhtisar **pekerjaan** konsol. 

Untuk mempelajari lebih lanjut tentang file manifes keluaran yang dihasilkan oleh Ground Truth dan struktur file yang digunakan Ground Truth untuk menyimpan data keluaran Anda, lihat[Pelabelan data keluaran pekerjaan](sms-data-output.md). 

Untuk melihat contoh file manifes keluaran untuk pekerjaan pelabelan segmentasi semantik, lihat. [Output segmentasi semantik awan titik 3D](sms-data-output.md#sms-output-point-cloud-segmentation)