Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Verwenden eines JSON-Schemas für Bedingungen zur Aktivierung eines Human Loops mit Amazon Rekognition
Bei Verwendung mit Amazon A2I unterstützt die Amazon Rekognition `DetectModerationLabels`-Operation die folgenden Eingaben im `ConditionType`-Parameter:
+ `ModerationLabelConfidenceCheck` – Verwenden Sie diesen Bedingungstyp, um eine Human Loop zu erstellen, wenn die Konfidenz für eine oder mehrere angegebene Beschriftungen niedrig ist.
+ `Sampling` – Verwenden Sie diese Bedingung, um einen Prozentsatz aller Inferenzen anzugeben, die an Menschen zur Überprüfung gesendet werden sollen. Verwenden Sie diese Bedingung, um Folgendes zu tun:
+ Ihr ML-Modell zu prüfen, indem Sie alle Inferenzen Ihres Modells Stichproben unterziehen und einen bestimmten Prozentsatz an Menschen zur Überprüfung senden.
+ Mit der `ModerationLabelConfidenceCheck`-Bedingung zufällige Stichproben aus einem Prozentsatz der Inferenzen zu entnehmen, die die in `ModerationLabelConfidenceCheck` angegebenen Bedingungen erfüllten, um eine Schleife für die Prüfung durch Menschen (Human Loop) zu starten und nur den angegebenen Prozentsatz zur Überprüfung an Menschen zu senden.
**Anmerkung**
Wenn Sie dieselbe Anfrage mehrmals an `DetectModerationLabels` senden, ändert sich das Ergebnis von `Sampling` nicht für die Inferenz dieser Eingabe. Wenn Sie beispielsweise einmal eine `DetectModerationLabels`-Anforderung erstellen und `Sampling` keine Human Loop initiiert, lösen nachfolgende Anforderungen an `DetectModerationLabels` mit derselben Konfiguration keine Human Loop aus.
Wenn Sie bei der Erstellung einer Flow-Definition die Standardvorlage für Arbeitsaufgaben verwenden, die im Abschnitt **Workflows für menschliche Überprüfung** der Amazon SageMaker AI-Konsole bereitgestellt wird, werden Schlussfolgerungen, die aufgrund dieser Aktivierungsbedingungen zur Überprüfung durch einen Mitarbeiter gesendet wurden, in die Worker-Benutzeroberfläche aufgenommen, wenn ein Mitarbeiter Ihre Aufgabe öffnet. Wenn Sie eine benutzerdefinierte Arbeitsaufgabenvorlage verwenden, müssen Sie das benutzerdefinierte ``-HTML-Element einschließen, um auf diese Inferenzen zuzugreifen. Ein Beispiel für eine benutzerdefinierte Vorlage, die dieses HTML-Element verwendet, finden Sie unter [Beispiel für eine benutzerdefinierte Vorlage für Amazon Rekognition](a2i-custom-templates.md#a2i-custom-templates-rekognition-sample).
## `ModerationLabelConfidenceCheck`-Eingaben
Für `ModerationLabelConfidenceCheck` `ConditionType` werden die folgenden `ConditionParameters` unterstützt:
+ `ModerationLabelName`— Der genaue Name (unter Berücksichtigung von Groß- und Kleinschreibung) eines durch den Amazon Rekognition `DetectModerationLabels` Rekognition-Vorgang [ModerationLabel](https://docs.aws.amazon.com/rekognition/latest/dg/API_ModerationLabel.html)erkannten. Sie können den speziellen Catch-All-Wert (\*) angeben, um ein Moderations-Label zu kennzeichnen.
+ `ConfidenceEquals`
+ `ConfidenceLessThan`
+ `ConfidenceLessThanEquals`
+ `ConfidenceGreaterThan`
+ `ConfidenceGreaterThanEquals`
Wenn Sie die `ModerationLabelConfidenceCheck` `ConditionType` verwenden, sendet Amazon A2I Beschriftungsinferenzen für die Beschriftungen, die Sie in `ModerationLabelName` für die menschliche Überprüfung angegeben haben.
## Stichproben bei Eingaben
`Sampling` `ConditionType` unterstützt die `RandomSamplingPercentage` `ConditionParameters`. Die Eingabe für den `RandomSamplingPercentage`-Parameter sollte eine reelle Zahl zwischen 0,01 und 100 sein. Diese Zahl stellt den Prozentsatz der Inferenzen dar, die für eine menschliche Überprüfung qualifiziert sind, und die an Menschen zur Überprüfung gesendet werden. Wenn Sie die `Sampling`-Bedingung ohne weitere Bedingungen verwenden, stellt diese Zahl den Prozentsatz aller Inferenzen dar, die aus einer einzelnen `DetectModerationLabel`-Anforderung resultieren, die an Menschen zur Überprüfung gesendet werden.
## Beispiele
**Beispiel 1: Verwenden von `ModerationLabelConfidenceCheck` mit dem `And` Operator**
Das folgende Beispiel einer `HumanLoopActivationConditions`-Bedingung initiiert eine Human Loop, wenn eine oder mehrere der folgenden Bedingungen erfüllt sind:
+ Amazon Rekognition erkennt das `Graphic Male Nudity`-Moderations-Label mit einem Konfidenzwert zwischen 90 und 99.
+ Amazon Rekognition erkennt das `Graphic Female Nudity`-Moderations-Label mit einem Konfidenzwert zwischen 80 und 99.
Beachten Sie die Verwendung der logischen Operatoren `Or` und `And`, um diese Logik zu modellieren.
Obwohl nur eine der beiden Bedingungen unter dem `Or`-Operator als `true` ausgewertet werden muss, damit eine Human Loop erstellt wird, wertet Amazon Augmented AI alle Bedingungen aus. Menschliche Prüfer werden aufgefordert, die Moderations-Label für alle Bedingungen zu überprüfen, die als `true` ausgewertet wurden.
```
{
"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
}
}
]
}
]
}]
}
```
**Beispiel 2: Verwenden von `ModerationLabelConfidenceCheck` mit dem Catch-All-Wert (\*) **
Wenn im folgenden Beispiel eine Moderationsbeschriftung mit einer Konfidenz über 75 erkannt wird, wird eine Human Loop initiiert. Menschliche Prüfer werden gebeten, alle Moderationsbeschriftungen mit Konfidenzwerten über oder gleich 75 zu überprüfen.
```
{
"Conditions": [
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "*",
"ConfidenceGreaterThanEquals": 75
}
}
]
}
```
**Beispiel 3: Verwenden von Stichproben**
Im folgenden Beispiel werden 5 % der Amazon-Rekognition-Inferenzen aus einer `DetectModerationLabels`-Anforderung an menschliche Auftragnehmer übermittelt. Wenn Sie die in der SageMaker AI-Konsole bereitgestellte Standardvorlage für Worker-Aufgaben verwenden, werden alle von Amazon Rekognition zurückgegebenen Moderationslabels zur Überprüfung an die Mitarbeiter gesendet.
```
{
"Conditions": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
}
]
}
```
**Beispiel 4: Verwenden von Probenahme und `ModerationLabelConfidenceCheck` mit dem Operator `And`**
In diesem Beispiel werden 5 % der Amazon-Rekognition-Inferenzen des -`Graphic Male Nudity`Moderationsbezeichnungen mit einer Konfidenz von mehr als 50 an Auftragnehmer zur Überprüfung gesendet. Wenn Sie die in der SageMaker AI-Konsole bereitgestellte Standardvorlage für Mitarbeiteraufgaben verwenden, werden nur die Schlussfolgerungen des `Graphic Male Nudity` Labels zur Überprüfung an die Mitarbeiter gesendet.
```
{
"Conditions": [
{
"And": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceGreaterThan": 50
}
}
]
}
]
}
```
**Beispiel 5: Verwenden von Probenahme und `ModerationLabelConfidenceCheck` mit dem `And` Operator**
Verwenden Sie dieses Beispiel, um Ihren Workflow für die menschliche Überprüfung so zu konfigurieren, dass Inferenzen mit geringer Konfidenz einer angegebenen Beschriftung immer zur menschlichen Überprüfung gesendet werden und Stichproben von Inferenzen mit hoher Konfidenz einer Beschriftung mit einer bestimmten Rate entnommen werden.
Im folgenden Beispiel wird eine menschliche Überprüfung auf eine der folgenden Arten initiiert:
+ Inferenzen für die `Graphic Male Nudity`-Moderationsbeschriftung mit Konfidenzwerten unter 60 werden immer zur menschlichen Überprüfung gesendet. Nur die Bezeichnung `Graphic Male Nudity` wird zur Überprüfung an Auftragnehmer gesendet.
+ 5 % aller Inferenzen für die `Graphic Male Nudity`-Moderationsbezeichnung mit Vertrauensbewertungen über 90 werden zur Prüfung durch Menschen gesendet. Nur die Bezeichnung `Graphic Male Nudity` wird zur Überprüfung an Auftragnehmer gesendet.
```
{
"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
}
}
]
}
]
}
]
}
```
**Beispiel 6: Verwenden von Probenahme und `ModerationLabelConfidenceCheck` mit dem `Or` Operator**
Im folgenden Beispiel wird ein Human Loop erstellt, wenn die Amazon-Rekognition-Inferenzantwort die Beschriftung „Graphic Male Nudity“ (Darstellung nackter Männer) mit einer Inferenzkonfidenz über 50 enthält. Darüber hinaus initiieren 5 % aller anderen Inferenzen eine Schleife für die Prüfung durch Menschen (Human Loop).
```
{
"Conditions": [
{
"Or": [
{
"ConditionType": "Sampling",
"ConditionParameters": {
"RandomSamplingPercentage": 5
}
},
{
"ConditionType": "ModerationLabelConfidenceCheck",
"ConditionParameters": {
"ModerationLabelName": "Graphic Male Nudity",
"ConfidenceGreaterThan": 50
}
}
]
}
]
}
```