As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Entenda o tipo de tarefa de segmentação semântica da nuvem de pontos 3D A segmentação semântica envolve classificar pontos individuais de uma nuvem de pontos 3D em categorias pré-especificadas. Use esse tipo de tarefa quando quiser que os operadores criem uma máscara de segmentação semântica no nível de ponto para nuvens de pontos 3D. Por exemplo, se você especificar as classes `car`, `pedestrian` e `bike`, os operadores vão selecionar uma classe de cada vez e colorir todos os pontos dessa classe com a mesma cor na nuvem de pontos. Para esse tipo de tarefa, o objeto de dados que os operadores rotulam é uma sequência de quadros da nuvem de pontos. Ground Truth gera uma nuvem de pontos 3D usando os dados da nuvem de pontos que você fornece. Também é possível fornecer dados da câmera para dar aos operadores mais informações visuais sobre as cenas no quadro e para ajudar os operadores a pintar objetos. Quando um operador pinta um objeto na imagem 2D ou na nuvem de pontos 3D, a pintura aparece na outra visualização. É possível ajustar anotações criadas em um trabalho de rotulagem de detecção de objetos da nuvem de pontos 3D usando o tipo de tarefa de ajuste de segmentação semântica da nuvem de pontos 3D. Para saber mais sobre trabalhos de rotulagem de ajuste e verificação e como criar um, consulte [Verificação e ajuste do rótulo](sms-verification-data.md). Se você for um novo usuário da modalidade de rotulagem de nuvem de pontos 3D do Ground Truth, recomendamos que revise [Visão geral dos trabalhos de rotulagem de nuvem de pontos 3D](sms-point-cloud-general-information.md). Essa modalidade de rotulagem é diferente de outros tipos de tarefas do Ground Truth e este tópico fornece uma visão geral dos detalhes importantes dos quais você deve estar ciente ao criar um trabalho de rotulagem de nuvem de pontos 3D. Os tópicos a seguir explicam como criar um trabalho de segmentação semântica da nuvem de pontos 3D, mostram a aparência da interface de tarefas do operador (o que os operadores visualizam quando trabalham nessa tarefa) e fornecem uma visão geral dos dados de saída que você obtém quando os operadores concluem suas tarefas. **Topics** + [Criar um trabalho de rotulagem de segmentação semântica da nuvem de pontos 3D](sms-point-cloud-semantic-segmentation-create-labeling-job.md) + [Visualizar a interface de tarefas do operador para um trabalho de segmentação semântica da nuvem de pontos 3D](sms-point-cloud-semantic-segmentation-worker-ui.md) + [Dados de saída para um trabalho de segmentação semântica da nuvem de pontos 3D](sms-point-cloud-semantic-segmentation-input-data.md) # Criar um trabalho de rotulagem de segmentação semântica da nuvem de pontos 3D Você pode criar um trabalho de rotulagem de nuvem de pontos 3D usando o console de SageMaker IA ou a operação de API, [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html). Para criar um trabalho de rotulagem para esse tipo de tarefa, você precisa do seguinte: + Um arquivo de manifesto de entrada de quadro único. Para saber como criar esse tipo de arquivo manifesto, consulte [Criar um arquivo manifesto de entrada de quadro da nuvem de pontos](sms-point-cloud-single-frame-input-data.md). Se você é um novo usuário das modalidades de rotulagem da nuvem de pontos 3D do Ground Truth, recomendamos que revise [Formatos aceitos de dados 3D brutos](sms-point-cloud-raw-data-types.md). + Uma equipe de trabalho de uma força de trabalho privada ou de fornecedor. Não é possível usar os operadores do Amazon Mechanical Turk para trabalhos de rotulagem de nuvem de pontos 3D. Para saber como criar forças de trabalho e equipes de trabalho, consulte [Forças de trabalho](sms-workforce-management.md). + Um arquivo de configuração de categoria de rótulo. Para obter mais informações, consulte [Arquivo de configuração de categorias de rotulagem com referência de atributos de categorias e quadros de rótulo](sms-label-cat-config-attributes.md). Além disso, verifique se você revisou e atendeu a [Atribua permissões do IAM para usar o Ground Truth](sms-security-permission.md). Use uma das seções a seguir para saber como criar um trabalho de rotulagem usando o console ou uma API. ## Criar um trabalho de rotulagem (console) Você pode seguir as instruções [Criar um trabalho de rotulagem (console)](sms-create-labeling-job-console.md) para aprender como criar um trabalho de rotulagem de segmentação semântica de nuvem de pontos 3D no console de SageMaker IA. Enquanto estiver criando o trabalho de rotulagem, esteja ciente do seguinte: + O arquivo de manifesto de entrada deve ser um arquivo de manifesto de quadro único. Para obter mais informações, consulte [Criar um arquivo manifesto de entrada de quadro da nuvem de pontos](sms-point-cloud-single-frame-input-data.md). + A rotulagem de dados automatizada e a consolidação de anotações não são compatíveis com tarefas de rotulagem de nuvem de pontos 3D. + Os trabalhos de rotulagem de segmentação semântica de nuvem de pontos 3D podem levar várias horas para serem concluídos. É possível especificar um limite de tempo mais longo para esses trabalhos de rotulagem ao selecionar a equipe de trabalho (até 7 dias ou 604800 segundos). ## Criar um trabalho de rotulagem (API) Esta seção aborda os detalhes que você precisa saber ao criar um trabalho de rotulagem usando a operação da SageMaker API`CreateLabelingJob`. Essa API define essa operação para todos AWS SDKs. Para ver uma lista de idiomas específicos com SDKs suporte para essa operação, **consulte a seção Consulte também** do. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) A página [Criar um trabalho de rotulagem (API)](sms-create-labeling-job-api.md) fornece uma visão geral da operação `CreateLabelingJob`. Siga estas instruções e faça o seguinte enquanto configura a solicitação: + É necessário inserir um ARN para `HumanTaskUiArn`. Use `arn:aws:sagemaker::394669845002:human-task-ui/PointCloudSemanticSegmentation`. Substitua `` pela região AWS na qual você está criando o trabalho de rotulagem. Não deve haver uma entrada para o parâmetro `UiTemplateS3Uri`. + O [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) deve terminar em `-ref`. Por exemplo, .`ss-labels-ref` + O arquivo de manifesto de entrada deve ser um arquivo de manifesto de quadro único. Para obter mais informações, consulte [Criar um arquivo manifesto de entrada de quadro da nuvem de pontos](sms-point-cloud-single-frame-input-data.md). + Especifique os rótulos e as instruções do operador em um arquivo de configuração da categoria de rótulo. Consulte [Arquivo de configuração de categorias de rotulagem com referência de atributos de categorias e quadros de rótulo](sms-label-cat-config-attributes.md) para saber como criar esse arquivo. + Você precisa fornecer uma predefinição ARNs para as funções Lambda de pré-anotação e pós-anotação (ACS). Eles ARNs são específicos para a AWS região que você usa para criar seu trabalho de etiquetagem. + Para localizar o ARN de pré-anotação do Lambda, consulte [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn). Use a região na qual você está criando o trabalho de rotulagem para encontrar o ARN correto. Por exemplo, se você estiver criando o trabalho de rotulagem em us-east-1, o ARN será `arn:aws:lambda:us-east-1:432418664414:function:PRE-3DPointCloudSemanticSegmentation`. + Para localizar o ARN de pós-anotação do Lambda, consulte [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn). Use a região na qual você está criando o trabalho de rotulagem para encontrar o ARN correto. Por exemplo, se você estiver criando o trabalho de rotulagem em us-east-1, o ARN será `arn:aws:lambda:us-east-1:432418664414:function:ACS-3DPointCloudSemanticSegmentation`. + O número de operadores especificado em `NumberOfHumanWorkersPerDataObject` deve ser `1`. + A rotulagem de dados automatizada não é compatível com trabalhos de rotulagem de nuvem de pontos 3D. Você não deve especificar valores para parâmetros em `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)`. + Os trabalhos de rotulagem de segmentação semântica de nuvem de pontos 3D podem levar várias horas para serem concluídos. É possível especificar um limite de tempo mais longo para esses trabalhos de rotulagem em `TaskTimeLimitInSeconds` (até 7 dias ou 604800 segundos). # Visualizar a interface de tarefas do operador para um trabalho de segmentação semântica da nuvem de pontos 3D O Ground Truth fornece aos operadores um portal da web e ferramentas para concluir as tarefas de anotação de segmentação semântica da nuvem de pontos 3D. Ao criar o trabalho de rotulagem, forneça o nome de recurso do nome do recurso da Amazon (ARN) para uma interface do usuário pré-criada do Ground Truth no parâmetro `HumanTaskUiArn`. Quando você cria um trabalho de rotulagem usando esse tipo de tarefa no console, essa interface do usuário é usada automaticamente. É possível visualizar e interagir com a interface do usuário do operador ao criar um trabalho de rotulagem no console. Se você for um usuário novo, é recomendável criar um trabalho de rotulagem usando o console para garantir que os atributos de rótulo, os quadros de nuvem de ponto e, se aplicável, as imagens apareçam conforme o esperado. Veja a seguir um GIF da interface de tarefas do operador de segmentação semântica da nuvem de pontos 3D. Se você fornecer dados da câmera para fusão de sensores, as imagens serão combinadas com cenas no quadro da nuvem de pontos. Os operadores podem pintar objetos na nuvem de pontos 3D ou na imagem 2D, e a pintura aparece no local correspondente na outra média. Essas imagens aparecem no portal do operador, conforme mostrado no GIF a seguir. ![\[O GIF mostra como os operadores podem usar a nuvem de pontos 3D e a imagem 2D juntas para pintar objetos.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/pointcloud/gifs/semantic_seg/ss_paint_sf.gif) O operador pode navegar na cena 3D usando o teclado e o mouse. Ele pode: + Clicar duas vezes em objetos específicos na nuvem de pontos para ampliá-los. + Usar o botão de deslocação do mouse ou o trackpad para ampliar e reduzir a nuvem de pontos. + Usar as teclas de seta do teclado e as teclas Q, E, A e D para mover para cima, para baixo, para a esquerda e para a direita. Usar as teclas W e S do teclado para ampliar e diminuir o zoom. O vídeo a seguir demonstra movimentos em torno da nuvem de pontos 3D. Os operadores podem ocultar e expandir novamente todos os menus e as visualizações laterais. Nesse GIF, as visualizações laterais e os menus foram recolhidos. ![\[O GIF mostra como os operadores podem se movimentar pela nuvem de pontos 3D.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/pointcloud/gifs/semantic_seg/ss_nav_worker_portal.gif) O GIF a seguir demonstra como um operador pode rotular vários objetos rapidamente, refinar objetos pintados usando a opção Desfazer pintura e visualizar somente os pontos que foram pintados. ![\[O GIF mostra como um operador pode rotular vários objetos.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/pointcloud/gifs/semantic_seg/ss-view-options.gif) Atributos e opções de visualização adicionais estão disponíveis. Consulte a [página de instruções do operador](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-worker-instructions-semantic-segmentation.html) para obter uma visão geral abrangente da interface do usuário do operador. **Ferramentas do operador** Os operadores podem navegar pela nuvem de pontos 3D, ampliando e diminuindo o zoom e movendo-se em todas as direções ao redor da nuvem usando o mouse e os atalhos do teclado. Ao criar um trabalho de segmentação semântica, os operadores têm as seguintes ferramentas disponíveis: + Um pincel para pintar e desfazer a pintura de objetos. Os operadores pintam os objetos selecionando uma categoria de rótulo e pintando na nuvem de pontos 3D. Os operadores desfazem a pintura de objetos selecionando a opção Desfazer pintura no menu de categoria de rótulo e usando o pincel para apagar a pintura. + Uma ferramenta de polígono que os operadores podem usar para selecionar e pintar uma área na nuvem de pontos. + Uma ferramenta de pintura de plano de fundo, que permite que os operadores pintem atrás de objetos que já anotaram sem alterar as anotações originais. Por exemplo, os operadores podem usar essa ferramenta para pintar a estrada depois de pintar todos os carros na estrada. + Visualize opções que permitem aos operadores ocultar ou visualizar facilmente o texto do rótulo, uma malha de solo e atributos de ponto adicionais, como cor ou intensidade. Os operadores também podem escolher entre perspectivas e projeções ortogonais. # Dados de saída para um trabalho de segmentação semântica da nuvem de pontos 3D Ao criar um trabalho de rotulagem de segmentação semântica de nuvem de pontos 3D, as tarefas são enviadas aos operadores. Quando esses operadores concluem suas tarefas, suas anotações são gravadas no bucket do Amazon S3 especificado durante a criação do trabalho de rotulagem. O formato dos dados de saída determina o que você vê em seu bucket do Amazon S3 quando o status do seu trabalho de rotulagem ([LabelingJobStatus](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeLabelingJob.html#API_DescribeLabelingJob_ResponseSyntax)) é. `Completed` Se você for um usuário novo do Ground Truth, consulte [Rotulando dados de saída do trabalho](sms-data-output.md) para saber mais sobre o formato dos dados de saída do Ground Truth. Para saber mais sobre o formato dos dados de saída de detecção de objeto de nuvem de pontos 3D, consulte [Saída de segmentação semântica da nuvem de pontos 3D](sms-data-output.md#sms-output-point-cloud-segmentation).