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。

# セマンティックセグメンテーションを使用して画像コンテンツを識別する
<a name="sms-semantic-segmentation"></a>

ピクセルレベルでイメージの内容を識別するには、Amazon SageMaker Ground Truth セマンティックセグメンテーションのラベル付けタスクを使用します。セマンティックセグメンテーションのラベル付けジョブが指定されると、ワーカーはイメージ内のピクセルを定義済みのラベルまたはクラスのセットに分類します。Ground Truth は、単一および複数クラスのセマンティックセグメンテーションのラベル付けジョブをサポートします。Amazon SageMaker AI コンソールの Ground Truth セクションまたは [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) オペレーションを使用して、セマンティックセグメンテーションラベル付けジョブを作成します。

セグメント化する必要のある多数のオブジェクトを含むイメージでは、セグメント化にさらに時間がかかります。ワーカー (自社またはベンダーのスタッフ) がこれらのオブジェクトにより短時間、高精度でラベル付けできるように、Ground Truth には AI 支援の自動セグメンテーションツールが用意されています。詳細については、「[自動セグメンテーションツール](sms-auto-segmentation.md)」を参照してください。

**重要**  
このタスクタイプでは、独自のマニフェストファイルを作成する場合、`"source-ref"` を使用して、ラベル付けする Amazon S3 内の各イメージファイルの場所を特定します。詳細については、「[入力データ](sms-data-input.md)」を参照してください。

## セマンティックセグメンテーションラベル付けジョブを作成する (コンソール)
<a name="sms-creating-ss-labeling-job-console"></a>

SageMaker AI コンソールで セマンティックセグメンテーションラベル付けジョブを作成する方法については、「[ラベル付けジョブの作成 (コンソール)](sms-create-labeling-job-console.md)」の指示に従います。ステップ 10 で、**[Task category]** (タスクカテゴリ) ドロップダウンメニューから **[Image]** (イメージ) を選択し、**[Semantic segmentation]** (セマンティックセグメンテーション) タスクタイプを選択します。

Ground Truth には、ラベル付けタスク用の次のようなワーカー UI が用意されています。コンソールでラベル付けジョブを作成するときは、ワーカーがジョブを実行できる手順と、ワーカーが選択できるラベルを指定します。

![\[SageMaker AI コンソールでセマンティックセグメンテーションラベル付けジョブを作成する方法の例を示す GIF。\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/semantic_segmentation_sample.gif)


## セマンティックセグメンテーションラベル付けジョブを作成する (API)
<a name="sms-creating-ss-labeling-job-api"></a>

セマンティックセグメンテーションラベル付けジョブを作成するには、SageMaker API オペレーション `CreateLabelingJob` を使用します。この API は、すべての AWS SDKsに対してこのオペレーションを定義します。このオペレーションでサポートされている言語固有の SDK のリストを確認するには、[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) の「**以下の資料も参照してください**」セクションを確認してください。

リクエストを設定する際には、「[ラベル付けジョブを作成 (API)](sms-create-labeling-job-api.md)」の指示に従ったうえで、以下のことを実行してください。
+ このタスクタイプの注釈前 Lambda 関数は `PRE-SemanticSegmentation` で終わります。リージョンの注釈前 Lambda ARN を検索するには、「[PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)」 を参照してください。
+ このタスクタイプの注釈統合 Lambda 関数は `ACS-SemanticSegmentation` で終わります。リージョンの注釈統合 Lambda ARN を確認するには、「[AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)」を参照してください。

以下は、米国東部 (バージニア北部) リージョンでラベル付けジョブを作成する [AWS Python SDK (Boto3) リクエスト](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job)の例です。赤色のすべてのパラメータを仕様とリソースに置き換えます。

```
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'
        },
    ]
)
```

### セマンティックセグメンテーションラベル付けジョブのテンプレートの提供
<a name="sms-create-labeling-job-ss-api-template"></a>

API を使用してラベル付けジョブを作成する場合は、`UiTemplateS3Uri` でワーカータスクテンプレートを指定する必要があります。次のテンプレートをコピーして変更します。[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)、`header` のみ変更します。

このテンプレートを S3 にアップロードし、このファイルの S3 URI を `UiTemplateS3Uri` で指定します。

```
<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>
```

## セマンティックセグメンテーション出力データ
<a name="sms-ss-ouput-data"></a>

セマンティックセグメンテーションを作成すると、出力データは、APIを使用するときに `S3OutputPath` パラメータで指定された Amazon S3 バケット、またはコンソールの **[Job overview]** (ジョブの概要)セクションの **[Output dataset location]** (出力データセットの場所) フィールドに配置されます。

Ground Truth によって生成される出力マニフェストファイルと、Ground Truth が出力データを保存するために使用するファイル構造の詳細については、「[ラベル付けジョブの出力データ](sms-data-output.md)」を参照してください。

セマンティックセグメンテーションラベル付けジョブの出力マニフェストファイルの例については、「[3D 点群セマンティックセグメンテーションの出力](sms-data-output.md#sms-output-point-cloud-segmentation)」を参照してください。