翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。 # チュートリアル: Amazon A2I コンソールの使用を開始する 次のチュートリアルは、Amazon A2I コンソールで Amazon A2I の使用を開始する方法を示しています。 このチュートリアルでは、ドキュメントレビューに Amazon Textract で Augmented AI を使用するか、イメージコンテンツのレビューに Amazon Rekognition を使用するオプションが用意されています。 ## 前提条件 Amazon A2I の使用を開始するには、次の前提条件を満たしてください。 + 入出力データのワークフローと同じ AWS リージョンに Amazon S3 バケットを作成します。例えば、us-east-1 で Amazon A2I を Amazon Textract と使用している場合、us-east-1 でバケットを作成します。バケットを作成するには、*Amazon Simple Storage Service コンソールユーザーガイド*の「[バケットの作成](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html)」の手順に従います。 + 次のいずれかを行います。 + Amazon Textract を使用してチュートリアルを実施する場合は、以下のイメージをダウンロードして Amazon S3 バケットに配置します。 ![簡単な雇用申請書](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/a2i/getting-started/sample-document-final.png) + Amazon Rekognition を使用してチュートリアルを実施する場合は、以下のイメージをダウンロードして Amazon S3 バケットに配置します。 ![ビーチでヨガをしているビキニ姿の女性](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/a2i/getting-started/yoga_swimwear_resized.jpg) **注記** Amazon A2I コンソールは SageMaker AI コンソールに埋め込まれています。 ## ステップ 1: ワークチームを作成する まず、Amazon A2I コンソールでワークチームを作成し、ワーカーレビュータスクをプレビューできるようにワーカーとして自分自身を追加します。 **重要** このチュートリアルでは、プライベートワークチームを使用します。Amazon A2I プライベートワークフォースは SageMaker AI コンソールの Ground Truth 領域で設定され、Amazon A2I と Ground Truth 間で共有されます。 **ワーカーの E メールを使用してプライベートワークフォースを作成するには** 1. SageMaker AI コンソール ([https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)) を開きます。 1. ナビゲーションペインで、**[Ground Truth]** にある **[Labeling workforces]** (ラベリングワークフォース) を選択します。 1. **[Private]** (プライベート)、**[Create private team]** (プライベートチームの作成) の順に選択します。 1. **[Invite new workers by email]** (E メールで新しいワーカーを招待する) を選択します。 1. このチュートリアルでは、E メールや、ヒューマンタスク UI をプレビュー可能にするその他の要素を入力します。最大 50 のメールアドレスが含まれるカンマ区切りの E メールアドレスリストを E メールアドレスボックスに貼り付けるか、入力できます。 1. 組織名と連絡先メールアドレスを入力します。 1. 必要に応じて、新しい Ground Truth ラベリングジョブが利用可能になったときに、ワーカーに E メールで通知されるように、チームをサブスクライブする Amazon SNS トピックを選択します。Amazon SNS 通知は Ground Truth でサポートされていますが、Augmented AI ではサポートされていません。Amazon SNS 通知を受信するようワーカーをサブスクライブすると、Ground Truth ラベリングジョブに関する通知のみがワーカーに届きます。Augmented AI タスクに関する通知は届きません。 1. **[Create private team]** (プライベートチームを作成) を選択します。 プライベートワークチームに自分自身を追加すると、ログイン情報が含まれる E メールが `no-reply@verificationemail.com` から届きます。この E メールのリンクを使用してパスワードをリセットし、ワーカーポータルにログインします。ヒューマンループの作成時に、人間によるレビュータスクはここに表示されます。 ## ステップ 2: 人間によるレビューワークフローを作成する このステップでは、人間によるレビューワークフローを作成します。人間によるレビューワークフローは特定の[タスクタイプ](https://docs.aws.amazon.com/sagemaker/latest/dg/a2i-task-types-general.html)ごとに作成されます。このチュートリアルでは、組み込みタスクタイプ (Amazon Rekognition と Amazon Textract) のいずれかを選択できます。 **人間によるレビューワークフローを作成するには、次の手順を実行します。** 1. Augmented AI コンソール ([https://console.aws.amazon.com/a2i](https://console.aws.amazon.com/a2i/)) を開き、**[Human review workflows]** (人間によるレビューワークフロー) ページにアクセスします。 1. **[Create human review workflow]** (人間によるレビューワークフローを作成) を選択します。 1. **ワークフロー設定**で、このチュートリアル用に作成したワークフロー**名**、**S3 バケット**、**IAM ロール**を、 AWS 管理ポリシーが`AmazonAugmentedAIIntegratedAPIAccess`アタッチされた状態で入力します。 1. **[Task type]** (タスクタイプ) に対して、**[Textract – Key-value pair extraction]** (Textract - キーと値のペアの抽出) または **[Rekognition – Image moderation]** (Rekognition - イメージモデレーション) を選択します。 1. 次の表から選択したタスクタイプを選択し、そのタスクタイプの手順を確認します。 ------ #### [ Amazon Textract – Key-value pair extraction ] 1. **[Trigger a human review for specific form keys based on the form key confidence score or when specific form keys are missing]** (フォームキーの信頼性スコアに基づいて、または特定のフォームキーが見つからない場合、特定のフォームキーに対して人間によるレビューをトリガー) を選択します。 2. **[Key name]** (キー名) で `Mail Address` を入力します。 3. `0` から `99` までの識別信頼度しきい値を設定します。 4. `0` から `99` までの資格信頼度しきい値を設定します。 5. **[指定された範囲の信頼性スコアであると Amazon Textract によって識別されたすべてのフォームキーに対して、人間によるレビューをトリガー]** を選択します。 6. `0` から `90` までの識別信頼度しきい値を設定します。 7. `0` から `90` までの資格信頼度しきい値を設定します。 この結果、Amazon Textract が `Mail Address` とそのキーに対して `99` 未満の信頼スコアを返すか、ドキュメントで検出された任意のキーと値のペアに対して `90` 未満の信頼スコアを返す場合、人間によるレビューが開始されます。 次の図は、Amazon A2I コンソールの [Amazon Textract form extraction - Conditions for invoking human review ] (Amazon Textract フォームの抽出 - 人間によるレビューを呼び出す条件) セクションを示しています。この図では、前の段落で説明した 2 つのタイプのトリガーのチェックボックスがオンになっており、`Mail Address` は最初のトリガーの **[Key name]** (キー名) として使われています。識別信頼しきい値は、フォーム内で検出されるキーと値のペアの信頼度スコアを使用して定義され、0 ～ 99 の間で設定されます。資格信頼度しきい値は、フォーム内のキーと値に含まれるテキストの信頼度スコアを使用して定義され、0 ～ 99 の間で設定されます。 ![Amazon A2I コンソールの、人間によるレビューを呼び出す条件のセクション。](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/a2i/getting-started/Textract-conditions.png) ------ #### [ Amazon Rekognition – Image moderation ] 1. **[ラベルの信頼性スコアに基づいて Amazon Rekognition によって識別されたラベルに対して人間によるレビューをトリガー]** を選択します。 2. `0` から `98` の **[Threshold]** (しきい値) を設定します。 Amazon Rekognition がイメージモデレーションジョブに対して `98` 未満の信頼度スコアを返す場合、人間によるレビューが開始されます。 次の図は、**[Trigger human review for labels identified by Amazon Rekognition based on label confidence score]** (ラベルの信頼性スコアに基づいて Amazon Rekognition によって識別されたラベルに対して人間によるレビューをトリガー) オプションを選択し、Amazon A2I コンソールで 0 ～ 98 の **[Threshold]** (しきい値) を入力する方法を示しています。 ![Amazon A2I コンソールの、人間によるレビューを呼び出す条件のセクション。](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/a2i/getting-started/Rek-conditions.png) ------ 1. **[Worker task template creation]** (ワーカータスクテンプレートを作成) で、**[Create from a default template]** (既定のテンプレートから作成) を選択します。 1. **[Template name]** (テンプレート名) を入力します。 1. **[Task description]** (タスクの説明) フィールドに、次のテキストを入力します。 `Read the instructions carefully and complete the task.` 1. **[Workers]** (ワーカー) で、**[Private]** (プライベート) を選択します。 1. 作成したプライベートチームを選択します。 1. **[作成]** を選択します。 人間によるレビューワークフローが作成されると、そのワークフローは、**[Human review workflows]** (人間によるレビューワークフロー) ページに表示されます。**[Status]** (ステータス) が `Active` の場合、ワークフロー ARN をコピーして保存します。これは次の手順で必要になります。 ## ステップ 3: ヒューマンループを開始する ヒューマンループを開始するには、API オペレーションを使用する必要があります。これらの API オペレーションの操作には言語固有のさまざまな SDK を使用できます。これらの SDK の各ドキュメントについては、次の図に示すように、API ドキュメントの「**以下の資料も参照してください**」を参照してください。 ![Amazon Textract API ドキュメントの [See Also] セクションのスクリーンショット](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/a2i/getting-started/see-also.png) このチュートリアルでは、次の API のいずれかを使用します。 + Amazon Textract タスクタイプを選択した場合、`[AnalyzeDocument](https://docs.aws.amazon.com/textract/latest/dg/API_AnalyzeDocument.html)` オペレーションを使用します。 + Amazon Rekognition タスクタイプを選択した場合、`[DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/dg/API_DetectModerationLabels.html)` オペレーションを使用します。 これらの APIs は、SageMaker ノートブックインスタンス (新規ユーザーに推奨) または AWS Command Line Interface () を使用して操作できますAWS CLI。これらのオプションの詳細について、次のいずれかを選択して参照します。 + ノートブックインスタンスの詳細を確認して設定する場合は、「[Amazon SageMaker ノートブックインスタンス](nbi.md)」を参照してください。 + の詳細と使用開始については AWS CLI、「 *AWS Command Line Interface ユーザーガイド*[」の AWS 「 コマンドラインインターフェイスとは](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html)」を参照してください。 AWS SDK for Python (Boto3)を使用した Amazon Textract および Amazon Rekognition のリクエスト例については、次の表からタスクタイプを選択して参照してください。 ------ #### [ Amazon Textract – Key-value pair extraction ] 次の例では、 を使用して us-west-2 `analyze_document`で AWS SDK for Python (Boto3) を呼び出します。斜体の赤いテキストはリソースに置き換えます。Amazon Mechanical Turk ワークフォースを使用している場合は、[https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html) パラメータを含めます。詳細については、*AWS SDK for Python (Boto) API リファレンス*の「`[analyze\_document](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/textract.html#Textract.Client.analyze_document)`」のドキュメントを参照してください。 ``` response = client.analyze_document( Document={ "S3Object": { "Bucket": "{{amzn-s3-demo-bucket}}", "Name": "{{document-name.pdf}}" } }, HumanLoopConfig={ "FlowDefinitionArn":"{{arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name}}", "HumanLoopName":"{{human-loop-name}}", "DataAttributes" : { "ContentClassifiers":[{{"FreeOfPersonallyIdentifiableInformation"}},{{"FreeOfAdultContent"}}] } }, FeatureTypes=["TABLES", "FORMS"]) ``` ------ #### [ Amazon Rekognition – Image moderation ] 次の例では、 を使用して us-west-2 `detect_moderation_labels`で AWS SDK for Python (Boto3) を呼び出します。斜体の赤いテキストはリソースに置き換えます。Amazon Mechanical Turk ワークフォースを使用している場合は、[https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_HumanLoopDataAttributes.html) パラメータを含めます。詳細については、*AWS SDK for Python (Boto) API リファレンス*の「`[detect\_moderation\_labels](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/rekognition.html#Rekognition.Client.detect_moderation_labels)`」のドキュメントを参照してください。 ``` response = client.detect_moderation_labels( Image={ "S3Object":{ "Bucket": "{{amzn-s3-demo-bucket}}", "Name": "{{image-name.png}}" } }, HumanLoopConfig={ "FlowDefinitionArn":"{{arn:aws:sagemaker:us-west-2:111122223333:flow-definition/flow-definition-name}}", "HumanLoopName":"{{human-loop-name}}", "DataAttributes":{ ContentClassifiers:[{{"FreeOfPersonallyIdentifiableInformation"}}|{{"FreeOfAdultContent"}}] } }) ``` ------ ## ステップ 4: コンソールでヒューマンループステータスを表示する ヒューマンループを開始すると、Amazon A2I コンソールでそのステータスを表示できます。 **ヒューマンループステータスを表示するには** 1. Augmented AI コンソール ([https://console.aws.amazon.com/a2i](https://console.aws.amazon.com/a2i/)) を開き、**[Human review workflows]** (人間によるレビューワークフロー) ページにアクセスします。 1. ヒューマンループの開始に使用した人間によるレビューワークフローを選択します。 1. **[Human loops]** (ヒューマンループ) セクションで、ヒューマンループを確認できます。そのステータスを **[Status]** (ステータス) 列で確認します。 ## ステップ 5: 出力データをダウンロードする 出力データは、人間によるレビューワークフローの作成時に指定した Amazon S3 バケットに保存されます。 **Amazon A2I 出力データを表示するには** 1. [Amazon S3 コンソール](https://console.aws.amazon.com/s3/)を開きます。 1. この例のステップ 2 で人間によるレビューワークフローの作成時に指定した Amazon S3 バケットを選択します。 1. 人間によるレビューワークフローと同じ名前のフォルダから開始し、次の命名規則でフォルダを選択して出力データに移動します。 ``` s3://{{output-bucket-specified-in-human-review-workflow}}/{{human-review-workflow-name}}/{{YYYY}}/{{MM}}/{{DD}}/{{hh}}/{{mm}}/{{ss}}/{{human-loop-name}}/output.json ``` 1. `output.json` を選択し、**[Download]** (ダウンロード) を選択します。