Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Utilizzare lo schema JSON per condizioni attivazione del ciclo umano con Amazon Rekognition

Se utilizzata con Amazon A2I, l'operazione DetectModerationLabels Amazon Rekognition supporta i seguenti input nel parametro ConditionType:

Quando crei una definizione di flusso, se utilizzi il modello di task di lavoro predefinito fornito nella sezione Flussi di lavoro di revisione umana della console Amazon SageMaker AI, le inferenze inviate per la revisione umana da queste condizioni di attivazione vengono incluse nell'interfaccia utente del lavoratore quando un lavoratore apre l'attività. Se usi un modello di attività del worker personalizzato, devi includere l'elemento HTML <task.input.selectedAiServiceResponse.blocks> personalizzato per accedere a queste inferenze. Per un esempio di modello personalizzato che utilizza questo elemento HTML, consulta Esempio di modello personalizzato per Amazon Rekognition.

Input ModerationLabelConfidenceCheck

Per il ConditionType ModerationLabelConfidenceCheck, sono supportati i seguenti ConditionParameters:

Quando usi ModerationLabelConfidenceCheck ConditionType, Amazon A2I invia le inferenze per le etichette specificate in ModerationLabelName per la revisione umana.

Input di campionamento

Il ConditionType Sampling supporta il ConditionParameters RandomSamplingPercentage. L'input per il parametro RandomSamplingPercentage deve essere un numero reale compreso tra 0,01 e 100. Questo numero rappresenta la percentuale di inferenze che si qualifica per la revisione umana e viene inviata agli esseri umani per la revisione. Se usi la condizione Sampling senza altre condizioni, questo numero rappresenta la percentuale di tutte le inferenze risultanti da una singola richiesta DetectModerationLabel inviata agli esseri umani per la revisione.

Esempi

Esempio 1: utilizzo di ModerationLabelConfidenceCheck con l'operatore And

L'esempio seguente di condizione HumanLoopActivationConditions avvia un ciclo umano quando vengono soddisfatte una o più delle seguenti condizioni:

Osserva l'uso degli operatori logici Or e And per modellare questa logica.

Sebbene solo una delle due condizioni riportate sotto l'operatore Or deve essere true per poter creare un ciclo umano, IA aumentata Amazon valuta tutte le condizioni. Ai revisori umani viene chiesto di rivedere le etichette di moderazione per tutte le condizioni che sono state valutate come true.

{
     "Conditions": [{
         "Or": [{
                 "And": [{
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Male Nudity",
                             "ConfidenceLessThanEquals": 99
                         }
                     },
                     {
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Male Nudity",
                             "ConfidenceGreaterThanEquals": 90
                         }
                     }
                 ]
             },
             {
                 "And": [{
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Female Nudity",
                             "ConfidenceLessThanEquals": 99
                         }
                     },
                     {
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Female Nudity",
                             "ConfidenceGreaterThanEquals": 80
                         }
                     }
                 ]
             }
         ]
     }]
}

Esempio 2: utilizzo di ModerationLabelConfidenceCheck con il valore generico (*)

Nell'esempio seguente, se viene rilevata un'etichetta di moderazione con un livello di attendibilità superiore o uguale a 75, viene avviato un ciclo umano. Ai revisori umani viene chiesto di rivedere tutte le etichette di moderazione con punteggi di attendibilità superiori o uguali a 75.

{
    "Conditions": [
        {
            "ConditionType": "ModerationLabelConfidenceCheck",
            "ConditionParameters": {
                "ModerationLabelName": "*",
                "ConfidenceGreaterThanEquals": 75
            }
        }
    ]
}

Esempio 3: utilizzare il campionamento

Nell'esempio seguente, il 5% delle inferenze Amazon Rekognition da una richiesta DetectModerationLabels sarà inviato ai worker umani. Quando si utilizza il modello di task di lavoro predefinito fornito nella console SageMaker AI, tutte le etichette di moderazione restituite da Amazon Rekognition vengono inviate ai lavoratori per la revisione.

{
  "Conditions": [
    {
      "ConditionType": "Sampling",
      "ConditionParameters": {
        "RandomSamplingPercentage": 5
      }
    }
  ]
}

Esempio 4: utilizzo del campionamento e di ModerationLabelConfidenceCheck con l'operatore And

In questo esempio, il 5% delle inferenze Amazon Rekognition dell'etichetta di moderazione Graphic Male Nudity con una attendibilità superiore a 50 verrà inviato ai worker per la revisione. Quando si utilizza il modello di task di lavoro predefinito fornito nella console SageMaker AI, solo le inferenze dell'Graphic Male Nudityetichetta vengono inviate ai lavoratori per la revisione.

{
  "Conditions": [
    {
      "And": [
        {
          "ConditionType": "Sampling",
          "ConditionParameters": {
            "RandomSamplingPercentage": 5
          }
        },
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceGreaterThan": 50
          }
        }
      ]
    }
  ]
}

Esempio 5: utilizzo del campionamento e di ModerationLabelConfidenceCheck con l'operatore And

Utilizza questo esempio per configurare il flusso di lavoro di revisione umana per inviare sempre le inferenze a bassa attendibilità di un'etichetta specificata per la revisione umana e campionare l'inferenza ad alta attendibilità di un'etichetta a una percentuale specificata.

Nell'esempio seguente, una revisione umana viene avviata in uno dei seguenti modi:

{
  "Conditions": [
    {
      "Or": [
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceLessThan": 60
          }
        },
        {
            "And": [
                {
                    "ConditionType": "Sampling",
                    "ConditionParameters": {
                        "RandomSamplingPercentage": 5
                    }
                },
                {
                    "ConditionType": "ModerationLabelConfidenceCheck",
                    "ConditionParameters": {
                        "ModerationLabelName": "Graphic Male Nudity",
                        "ConfidenceGreaterThan": 90
                    }
                }
            ]
        }
      ]
    }
  ]
}

Esempio 6: utilizzo del campionamento e di ModerationLabelConfidenceCheck con l'operatore Or

Nell'esempio seguente, viene creato un ciclo umano se la risposta dell'inferenza Amazon Rekognition contiene l'etichetta "Graphic Male Nudity" con attendibilità di inferenza superiore a 50. Inoltre, il 5% di tutte le altre inferenze avvierà un ciclo umano.

{
  "Conditions": [
    {
      "Or": [
        {
          "ConditionType": "Sampling",
          "ConditionParameters": {
            "RandomSamplingPercentage": 5
          }
        },
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceGreaterThan": 50
          }
        }
      ]
    }
  ]
}