Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Crear un trabajo de etiquetado
Puede crear un trabajo de etiquetado en la consola de Amazon SageMaker AI y ejecutar un AWS SDK en el idioma que prefiera`CreateLabelingJob`. Después de crear un trabajo de etiquetado, puede realizar un seguimiento de las métricas de trabajador (para trabajadores privados) y del estado del trabajo de etiquetado mediante [CloudWatch](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-monitor-cloud-watch.html).
Antes de crear un trabajo de etiquetado, se recomienda revisar las siguientes páginas, si procede:
+ Puede especificar los datos de entrada mediante una configuración de datos automática en la consola o un archivo de manifiesto de entrada en la consola o cuando utilice la API `CreateLabelingJob`. Para configuración de datos automatizada, consulte [Automatización de la configuración de datos para los trabajos de etiquetado](sms-console-create-manifest-file.md). Para aprender a crear un archivo de manifiesto de entrada, consulte [Archivos de manifiesto de entrada](sms-input-data-input-manifest.md).
+ Revise las cuotas de datos de entrada de los trabajos de etiquetado: [Cuotas de datos de entrada](input-data-limits.md).
Después de elegir el tipo de tarea, utilice los temas de esta página para aprender a crear un trabajo de etiquetado.
Si es un usuario nuevo de Ground Truth, le recomendamos que comience por repasar la demostración en [Introducción: creación de un trabajo de etiquetado mediante cuadros delimitadores con Ground Truth](sms-getting-started.md).
**importante**
Ground Truth requiere que todos los buckets de S3 que contengan datos de imagen de entrada de trabajos de etiquetado tengan asociada una política de CORS. Para obtener más información, consulte [Requisito de CORS para datos de imagen de entrada](sms-cors-update.md).
**Topics**
+ [Tipos de tareas integrados](sms-task-types.md)
+ [Creación de páginas de instrucciones](sms-creating-instruction-pages.md)
+ [Crear un trabajo de etiquetado (consola)](sms-create-labeling-job-console.md)
+ [Crear un trabajo de etiquetado (API)](sms-create-labeling-job-api.md)
+ [Creación de un trabajo de etiquetado en transmisión](sms-streaming-create-job.md)
+ [Archivo de configuración de categorías de etiquetado con atributos de categorías de etiquetas y fotogramas](sms-label-cat-config-attributes.md)
# Tipos de tareas integrados
Amazon SageMaker Ground Truth incluye varios tipos de tareas integradas. Ground Truth proporciona una plantilla de tareas de trabajo para los tipos de tareas integrados. Además, algunos tipos de tareas integrados admiten [Automatización del etiquetado de datos](sms-automated-labeling.md). En los temas siguientes, se describe cada tipo de tarea integrado y se muestran las plantillas de tareas de trabajo proporcionadas por Ground Truth en la consola. Para obtener información acerca de cómo crear un trabajo de etiquetado en la consola utilizando uno de estos tipos de tareas, seleccione el tipo de tarea.
****
| Etiquetar imágenes | Texto de etiqueta | Etiquetar vídeos y fotogramas de vídeo | Etiquetado de nubes de puntos 3D |
| --- | --- | --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/sms-task-types.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/sms-task-types.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/sms-task-types.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/sms-task-types.html) |
**nota**
Cada uno de los tipos de tareas de fotograma de vídeo y nube de puntos 3D tiene un tipo de tarea de *ajuste* que se utiliza para comprobar y ajustar las etiquetas de un trabajo de etiquetado anterior. Seleccione en la página anterior un fotograma de vídeo o una tarea de nube de puntos 3D para aprender a ajustar las etiquetas creadas con ese tipo de tarea.
# Creación de páginas de instrucciones
Cree instrucciones personalizadas para trabajos de etiquetado para mejorar la precisión del trabajador en la realización de la tarea. Puede modificar las instrucciones predeterminadas que se facilitan en la consola o crear las suyas propias. Las instrucciones se muestran al trabajador en la página en la que completa su tarea de etiquetado.
Existen dos tipos de instrucciones:
+ *Instrucciones breves*: instrucciones que aparecen en la misma página web donde el trabajador realiza su tarea. Estas instrucciones deben proporcionar una referencia sencilla para mostrar al trabajador la forma correcta de etiquetar un objeto.
+ *Instrucciones completas*: instrucciones que aparecen en un cuadro de diálogo que se superpone a la página donde el trabajador realiza su tarea. Le recomendamos que facilite instrucciones detalladas para completar la tarea con varios ejemplos que muestren casos periféricos y otras situaciones difíciles para etiquetar objetos.
Cree instrucciones en la consola al crear el trabajo de etiquetado. Comience con las instrucciones ya existentes para la tarea y utilice el editor para modificarlas de acuerdo con el trabajo.
**nota**
Una vez que cree su trabajo de etiquetado, se iniciará automáticamente y no podrá modificar las instrucciones. Si necesita cambiar las instrucciones de trabajo, detenga el trabajo de etiquetado que ha creado, clónelo y modifique las instrucciones antes de crear un nuevo trabajo.
Para clonar un trabajo de etiquetado en la consola, selecciónelo y, a continuación, seleccione **Clonar** en el menú **Acciones**.
Para clonar un trabajo de etiquetado utilizando la API de Amazon SageMaker o su SDK de Amazon SageMaker preferido, realice una nueva solicitud a la operación `CreateLabelingJob` con las mismas especificaciones que su trabajo original después de modificar las instrucciones de trabajo.
En trabajos de etiquetado en nubes de puntos 3D y fotogramas de vídeo, puede agregar instrucciones de trabajo al archivo de configuración de categorías de etiquetas. Puede utilizar una sola cadena para crear instrucciones o agregar marcado HTML para personalizar la apariencia de las instrucciones y agregar imágenes. Asegúrese de que las imágenes que incluya en las instrucciones estén a disposición del público o, si las instrucciones están en Amazon S3, que los trabajadores tengan acceso de lectura para poder verlas. Para obtener más información sobre el archivo de configuración de categorías de etiquetas, consulte [Archivo de configuración de categorías de etiquetado con atributos de categorías de etiquetas y fotogramas](sms-label-cat-config-attributes.md).
## Instrucciones breves
Las instrucciones breves aparecen en la misma página web que los trabajadores utilizan para etiquetar los objetos de datos. Por ejemplo, a continuación se muestra la página de edición de una tarea de cuadro delimitador. El panel de las instrucciones breves está en el lado izquierdo.
![\[\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/sms-instructions-10.png)
Tenga en cuenta que un trabajador solo dedicará unos segundos a leer las instrucciones breves. Los trabajadores deben poder echar un vistazo y comprender la información rápidamente. En todos los casos deberían tardar menos tiempo en comprender las instrucciones que en completar la tarea. Tenga en cuenta estos puntos:
+ Las instrucciones tienen que ser claras y sencillas.
+ Las imágenes son mejores que las palabras. Cree una ilustración sencilla de la tarea que los trabajadores puedan comprender inmediatamente.
+ Si tiene que utilizar palabras, recurra a ejemplos breves y concisos.
+ Las instrucciones breves son más importante que las instrucciones completas.
La consola de Amazon SageMaker Ground Truth proporciona un editor para que pueda crear instrucciones breves. Reemplace el texto del marcador de posición y las imágenes con instrucciones para la tarea. Obtenga una vista previa de la página de tarea del trabajador eligiendo **Vista previa**. La vista previa se abrirá en una nueva ventana. Asegúrese de desactivar el bloqueo de elementos emergentes para que se abra la ventana.
## Instrucciones completas
Puede facilitar instrucciones adicionales a sus trabajadores en un cuadro de diálogo que se superpone a la página donde los trabajadores etiquetan los objetos de datos. Utilice instrucciones completas para explicar las tareas más complejas y mostrar a los trabajadores la manera correcta de etiquetar casos periféricos u otros objetos difíciles.
Puede crear instrucciones completas con un editor en la consola de Ground Truth. Al igual que con las instrucciones rápidas, tenga en cuenta lo siguiente:
+ Los trabajadores necesitarán instrucciones detalladas las primeras veces que completen su tarea. Toda la información que *necesiten* debe encontrarse en las instrucciones breves.
+ Las imágenes son más importante que las palabras.
+ El texto debe ser conciso.
+ Las instrucciones completas deben complementar las instrucciones breves. No repita información que aparezca en las instrucciones breves.
La consola de Ground Truth proporciona un editor que permite crear instrucciones completas. Reemplace el texto del marcador de posición y las imágenes con instrucciones para la tarea. Obtenga una vista previa de la página de instrucciones completas eligiendo **Vista previa**. La vista previa se abrirá en una nueva ventana. Asegúrese de desactivar el bloqueo de elementos emergentes para que se abra la ventana.
## Añadir imágenes de ejemplo a las instrucciones
Las imágenes proporcionan ejemplos útiles a los trabajadores. Para añadir una imagen de acceso público a las instrucciones:
+ Coloque el cursor donde debe ir la imagen en el editor de instrucciones.
+ Haga clic en el icono de la imagen en la barra de herramientas del editor.
+ Introduzca la URL de la imagen.
Si no se puede acceder públicamente a la imagen de instrucciones en Amazon S3:
+ Como URL de imagen, escriba: `{{ 'https://s3.amazonaws.com/your-bucket-name/image-file-name' | grant_read_access }}`.
+ Esto representa la URL de la imagen con un código añadido de acceso único y duración limitada para que el navegador del trabajador pueda mostrarla. En el editor de instrucciones se muestra un icono de imagen rota, pero al previsualizar la herramienta se muestra la imagen en la vista previa representada.
# Crear un trabajo de etiquetado (consola)
Puedes usar la consola Amazon SageMaker AI para crear un trabajo de etiquetado para todos los tipos de tareas integradas y los flujos de trabajo de etiquetado personalizados de Ground Truth. Para los tipos de tareas integradas, le recomendamos que utilice esta página junto con la [página correspondiente al tipo de tarea](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html). Cada página de tipo de tarea incluye detalles específicos sobre cómo crear un trabajo de etiquetado utilizando ese tipo de tarea.
Debe proporcionar lo siguiente para crear un trabajo de etiquetado en la consola de SageMaker IA:
+ Un archivo de manifiesto de entrada en Amazon S3. Puede colocar un conjunto de datos de entrada en Amazon S3 y generar automáticamente un archivo de manifiesto mediante la consola de Ground Truth (no compatible con los trabajos de etiquetado en nubes de puntos 3D).
También puede crear un archivo de manifiesto de entrada de forma manual. Para aprender a hacerlo, consulte [Datos de entrada](sms-data-input.md).
+ Un bucket de Amazon S3 para almacenar los datos de salida.
+ Un rol de IAM con permiso para acceder a sus recursos en Amazon S3 y con una política de ejecución de SageMaker IA adjunta. Si se trata de una solución general, puede adjuntar la política gestionada a un rol de IAM e incluirla `sagemaker` en el nombre de su bucket. AmazonSageMakerFullAccess
Para obtener políticas más detalladas, consulte [Asigne permisos de IAM para usar Ground Truth](sms-security-permission.md).
Los tipos de tareas de nube de puntos 3D presentan consideraciones de seguridad adicionales. [Más información](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-general-information.html#sms-security-permission-3d-point-cloud).
+ Un equipo de trabajo. Un equipo de trabajo se crea a partir de un personal compuesto por trabajadores de Amazon Mechanical Turk, proveedores o sus propios trabajadores privados. Para obtener más información, consulte [Personal](sms-workforce-management.md).
No puede utilizar el personal de Amazon Mechanical Turk para tareas de etiquetado en nubes de puntos 3D o fotogramas de vídeo.
+ Si utiliza un flujo de trabajo de etiquetado personalizado, debe guardar una plantilla de tarea de trabajadores en Amazon S3 y proporcionar un URI de Amazon S3 para esa plantilla. Para obtener más información, consulte [Creación de una plantilla personalizada de tareas de trabajador](sms-custom-templates-step2.md).
+ (Opcional) Una AWS KMS clave ARN si desea que SageMaker AI cifre el resultado de su trabajo de etiquetado con su propia clave de AWS KMS cifrado en lugar de la clave de servicio predeterminada de Amazon S3.
+ (Opcional) Las etiquetas existentes para el conjunto de datos que utiliza para el trabajo de etiquetado. Utilice esta opción si desea que los trabajadores ajusten y aprueben o rechacen etiquetas.
+ Si desea crear un trabajo de etiquetado de ajuste o verificación, debe tener un archivo de manifiesto de salida en Amazon S3 que contenga las etiquetas que desea ajustar o verificar. Esta opción solo se admite para los trabajos de etiquetado de imágenes con cuadros delimitadores y segmentación semántica y para los trabajos de etiquetado en nubes de puntos 3D y en fotogramas de vídeo. Se recomienda utilizar las instrucciones de [Verificación y ajuste de etiquetas](sms-verification-data.md) para crear un trabajo de etiquetado de verificación o ajuste.
**importante**
Su equipo de trabajo, el archivo de manifiesto de entrada, el depósito de salida y otros recursos de Amazon S3 deben estar en la misma AWS región que utilizó para crear su trabajo de etiquetado.
Cuando crea un trabajo de etiquetado con la consola de SageMaker IA, agrega instrucciones y etiquetas para los trabajadores a la interfaz de usuario del trabajador que proporciona Ground Truth. Es posible obtener una vista previa e interactuar con la interfaz de usuario del trabajador al crear un trabajo de etiquetado en la consola. También se puede obtener una vista previa de la interfaz de usuario del trabajador en la [página de tipos de tareas integradas](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html).
**Para crear un trabajo de etiquetado (consola)**
1. Inicie sesión en la consola de SageMaker IA en [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. En el panel de navegación izquierdo, elija **Trabajos de etiquetado**.
1. En la página **Trabajos de etiquetado**, elija **Crear un trabajo de etiquetado**.
1. En **Nombre del trabajo**, introduzca un nombre para el trabajo de etiquetado.
1. (Opcional) Si desea identificar las etiquetas con una clave, seleccione **Deseo especificar un nombre de atributo de etiqueta distinto del nombre del trabajo de etiquetado**. Si no selecciona esta opción, el nombre del trabajo de etiquetado especificado en el paso anterior se utilizará para identificar las etiquetas en el archivo de manifiesto de salida.
1. Elija una configuración de datos para crear una conexión entre el conjunto de datos de entrada y Ground Truth.
+ Para **Configuración de datos automatizada**:
+ Siga las instrucciones de [Automatización de la configuración de datos para los trabajos de etiquetado](sms-console-create-manifest-file.md) para los trabajos de etiquetado de imágenes, textos y videoclips.
+ Siga las instrucciones de [Configuración automatizada de datos de entrada de fotogramas de vídeo](sms-video-automated-data-setup.md) para los trabajos de etiquetado de fotogramas de vídeo.
+ Para **Configuración manual de datos**:
+ Para **Ubicación del conjunto de datos de entrada**, proporcione la ubicación de Amazon S3 en la que se encuentra el archivo de manifiesto de entrada. Por ejemplo, si el archivo de manifiesto de entrada, manifest.json, se encuentra en **example-bucket**, introduzca **s3://example-bucket/manifest.json**.
+ Para **Ubicación del conjunto de datos de salida**, proporcione la ubicación de Amazon S3 en la que desea que Ground Truth almacene los datos de salida del trabajo de etiquetado.
1. Para el **rol de IAM**, elija un rol de IAM existente o cree un rol de IAM con permiso para acceder a sus recursos en Amazon S3, escribir en el bucket de Amazon S3 de salida especificado anteriormente y con una política de ejecución de SageMaker IA adjunta.
1. (Opcional) Para una **configuración adicional**, puede especificar qué parte del conjunto de datos desea que etiqueten los trabajadores y si desea que SageMaker AI cifre los datos de salida para su trabajo de etiquetado mediante una clave de cifrado. AWS KMS Para cifrar los datos de salida, debe tener los AWS KMS permisos necesarios asociados a la función de IAM que proporcionó en el paso anterior. Para obtener más información, consulte [Asigne permisos de IAM para usar Ground Truth](sms-security-permission.md).
1. En la sección **Tipo de tarea** en **Categoría de tarea**, utilice el menú desplegable para seleccionar la categoría de la tarea.
1. En **Selección de tarea**, elija el tipo de tarea.
1. (Opcional) Proporcione etiquetas para el trabajo de etiquetado para facilitar la búsqueda en la consola más adelante.
1. Elija **Siguiente**.
1. En la sección **Empleados** elija el tipo de personal que desea utilizar. Para obtener más información sobre las opciones de personal, consulte [Personal](sms-workforce-management.md).
1. (Opcional) Después de seleccionar trabajadores, especifique el **Tiempo de espera de tareas**. Es el tiempo máximo del que dispone un trabajador para trabajar en una tarea.
Para las tareas de anotación de nube de puntos 3D, el tiempo de espera de tareas predeterminado es de 3 días. El tiempo de espera predeterminado para trabajos de clasificación de texto e imágenes y de etiquetado de verificación es de 5 minutos. El tiempo de espera predeterminado para todos los demás trabajos de etiquetado es de 60 minutos.
1. (Opcional) Para los tipos de tareas con cuadro delimitador, segmentación semántica, fotogramas de vídeo y nube de puntos 3D, puede seleccionar **Mostrar etiquetas existentes** si desea mostrar etiquetas para el conjunto de datos de entrada para que los trabajadores las verifiquen o ajusten.
Para los trabajos de etiquetado con cuadro delimitador y segmentación semántica, se creará un trabajo de etiquetado de ajuste.
Para trabajos de etiquetado en nubes de puntos 3D y fotogramas de vídeo:
+ Seleccione **Ajuste** para crear un trabajo de etiquetado de ajuste. Al seleccionar esta opción, puede añadir nuevas etiquetas, pero no puede eliminar ni editar las etiquetas existentes del trabajo anterior. Si lo desea, puede elegir los atributos de las categorías de etiquetas y los atributos de fotogramas que desee que editen los trabajadores. Para que un atributo sea editable, active la casilla de verificación **Permitir a los trabajadores editar este atributo** correspondiente a ese atributo.
Puede agregar opcionalmente nuevos atributos de categoría de etiqueta y de fotograma.
+ Seleccione **Verificación** para crear un trabajo de etiquetado de ajuste. Cuando selecciona esta opción, no puede añadir, modificar ni eliminar etiquetas existentes del trabajo anterior. Si lo desea, puede elegir los atributos de las categorías de etiquetas y los atributos de fotogramas que desee que editen los trabajadores. Para que un atributo sea editable, active la casilla de verificación **Permitir a los trabajadores editar este atributo** correspondiente a ese atributo.
Le recomendamos añadir nuevos atributos de categoría de etiqueta a las etiquetas que desea que los trabajadores verifiquen o añadir uno o más atributos de fotograma para que los trabajadores proporcionen información sobre el fotograma completo.
Para obtener más información, consulte [Verificación y ajuste de etiquetas](sms-verification-data.md).
1. Configura la interfaz de usuario del trabajador:
+ Si utiliza un [tipo de tarea integrada](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html), especifique las instrucciones y etiquetas para los trabajadores.
+ Para clasificación de imágenes y textos (etiquetas únicas y múltiples), debe especificar al menos dos categorías de etiquetas. Para todos los demás tipos de tareas integradas, debe especificar al menos una categoría de etiqueta.
+ (Opcional) Si va a crear un trabajo de etiquetado en nubes de puntos 3D o de fotogramas de vídeo, puede especificar los atributos de categoría de etiqueta (no compatibles con la segmentación semántica de nube de puntos 3D) y los atributos de fotograma. Los atributos de categoría de etiqueta se pueden asignar a una o varias etiquetas. Los atributos de fotograma aparecerán en cada etiqueta de nube de puntos o fotogramas de vídeo del trabajador. Para obtener más información, consulte [Interfaz de usuario (IU) del trabajador](sms-point-cloud-general-information.md#sms-point-cloud-worker-task-ui) para nube de puntos 3D y [Interfaz de usuario (IU) del trabajador](sms-video-overview.md#sms-video-worker-task-ui) para fotogramas de vídeo.
+ (Opcional) Agregue **Instrucciones adicionales** para ayudar al trabajador a completar la tarea.
+ Si va a crear un flujo de trabajo de etiquetado personalizado, debe:
+ Introducir una [plantilla personalizada](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates-step2.html) en el cuadro de código. Se pueden crear plantillas personalizadas utilizando una combinación de HTML, lenguaje de plantillas Liquid y nuestros componentes web prediseñados. Opcionalmente, puede elegir una plantilla base en el menú desplegable para comenzar.
+ Especifique funciones de Lambda de preanotación y postanotación. Para aprender a crear estas funciones, consulte [Procesar datos en un flujo de trabajo de etiquetado personalizado con AWS Lambda](sms-custom-templates-step3.md).
1. (Opcional) Puede seleccionar **Ver vista previa** para obtener una vista previa de las etiquetas e instrucciones de trabajo e interactuar con la interfaz de usuario del trabajador. Asegúrese de que el bloqueador de ventanas emergentes del navegador está deshabilitado antes de generar la vista previa.
1. Seleccione **Crear**.
Una vez que haya creado correctamente el trabajo de etiquetado, se le redirigirá a la página **Trabajos de etiquetado** . El estado del trabajo de etiquetado que acaba de crear será **En curso**. Este estado se actualiza progresivamente a medida que los trabajadores completan sus tareas. Cuando todas las tareas se hayan completado correctamente, el estado cambiará a **Completado**.
Si se produjo un problema al crear el trabajo de etiquetado, el estado cambiará a **Error**.
Para ver más información sobre el trabajo, elija el nombre del trabajo de etiquetado.
## Siguientes pasos
Cuando el estado del trabajo de etiquetado cambie a **Completado**, podrá ver los datos de salida en el bucket de Amazon S3 que especificó al crear ese trabajo de etiquetado. Para obtener más información sobre el formato de los datos de salida, consulte [Etiquetado de los datos de salida del trabajo](sms-data-output.md).
# Crear un trabajo de etiquetado (API)
Para crear un trabajo de etiquetado mediante la SageMaker API de Amazon, se utiliza la [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)operación. Para obtener instrucciones específicas sobre cómo crear un trabajo de etiquetado para un tipo de tarea integrada, consulte la [página de tipo de tarea](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html). Para aprender a crear un trabajo de etiquetado en streaming, que es un trabajo de etiquetado que se ejecuta de forma permanente, consulte [Creación de un trabajo de etiquetado en transmisión](sms-streaming-create-job.md).
Para utilizar la operación `CreateLabelingJob`, necesita lo siguiente:
+ Una plantilla de tarea del trabajador (`UiTemplateS3Uri`) o un ARN de interfaz de usuario de tareas humanas (`[HumanTaskUiArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-HumanTaskUiArn)`) en Amazon S3.
+ Para los trabajos de nube de puntos 3D, los trabajos de detección y seguimiento de objetos en vídeo y los trabajos de NER, utilice el ARN que aparece en `HumanTaskUiArn` para el tipo de tarea.
+ Si utiliza un tipo de tarea integrada que no sea una tarea de nube de puntos 3D, puede agregar las instrucciones de trabajo a una de las plantillas prediseñadas y guardar la plantilla (con una extensión .html o .liquid) en el bucket de S3. Busque las plantillas de prediseñadas en la [página de tipo de tarea](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html).
+ Si utiliza un flujo de trabajo de etiquetado personalizado, puede crear una plantilla personalizada y guardarla en el bucket de S3. Para aprender a crear una plantilla de trabajo personalizada, consulte [Creación de una plantilla personalizada de tareas de trabajador](sms-custom-templates-step2.md). Para conocer los elementos HTML personalizados que puede utilizar para personalizar la plantilla, consulte [Referencia de Crowd HTML Elements](sms-ui-template-reference.md). Para ver un repositorio de plantillas de demostración para una variedad de tareas de etiquetado, consulta [Amazon SageMaker Ground Truth Sample Task UIs ](https://github.com/aws-samples/amazon-sagemaker-ground-truth-task-uis).
+ Un archivo de manifiesto de entrada que especifica los datos de entrada en Amazon S3. Especifique la ubicación del archivo de manifiesto de entrada en `ManifestS3Uri`. Para obtener información sobre cómo crear un manifiesto de entrada, consulte [Datos de entrada](sms-data-input.md). Si crea un trabajo de etiquetado en streaming, esto es opcional. Para aprender a crear un trabajo de etiquetado en streaming, consulte [Creación de un trabajo de etiquetado en transmisión](sms-streaming-create-job.md).
+ Un bucket de Amazon S3 para almacenar los datos de salida. Usted especifica este bucket y, opcionalmente, un prefijo en `S3OutputPath`.
+ Un archivo de configuración de categoría de etiqueta. El nombre de cada categoría de etiquetas debe ser único. Especifique la ubicación de este archivo en Amazon S3 utilizando el parámetro `LabelCategoryConfigS3Uri`. El formato y las categorías de etiquetas de este archivo dependen del tipo de tarea que utilice:
+ Para clasificación de imágenes y textos (etiquetas únicas y múltiples), debe especificar al menos dos categorías de etiquetas. Para todos los demás tipos de tareas, el número mínimo de categorías de etiquetas requeridas es una.
+ En el caso de las tareas de reconocimiento de entidades con nombre, debe proporcionar las instrucciones de trabajo en este archivo. Consulte [Proporcionar instrucciones para trabajadores en el archivo de configuración de categorías de etiquetas](sms-named-entity-recg.md#worker-instructions-ner) para obtener información detallada y un ejemplo.
+ Para el tipo de tarea de nube de puntos 3D y fotogramas de vídeo, utilice el formato de [Archivo de configuración de categorías de etiquetado con atributos de categorías de etiquetas y fotogramas](sms-label-cat-config-attributes.md).
+ Para todos los demás tipos de tareas integradas y tareas personalizadas, el archivo de configuración de categoría de etiqueta debe ser un archivo JSON con el siguiente formato. Identifique las etiquetas que desea utilizar reemplazando `label_1`, `label_2`,`...` y `label_n` por las categorías de etiquetas.
```
{
"document-version": "2018-11-28",
"labels": [
{"label": "label_1"},
{"label": "label_2"},
...
{"label": "label_n"}
]
}
```
+ Un rol AWS Identity and Access Management (IAM) con la política de IAM [AmazonSageMakerGroundTruthExecution](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerGroundTruthExecution)administrada adjunta y con permisos para acceder a sus buckets de S3. Especifique este rol en `RoleArn`. Para obtener más información sobre esta política, consulte [Utilice las políticas administradas de IAM con Ground Truth](sms-security-permissions-get-started.md). Si necesita permisos pormenorizados, consulte [Asigne permisos de IAM para usar Ground Truth](sms-security-permission.md).
Si el nombre del bucket de entrada o salida no contiene `sagemaker`, puede asociar una política similar a la siguiente al rol que se pasa a la operación `CreateLabelingJob`.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"s3:GetObject"
],
"Resource": [
"arn:aws:s3:::my_input_bucket/*"
]
},
{
"Effect": "Allow",
"Action": [
"s3:PutObject"
],
"Resource": [
"arn:aws:s3:::my_output_bucket/*"
]
}
]
}
```
------
+ Un nombre de recurso de Amazon (ARN) de la función AWS Lambda de preanotación y postanotación (o de consolidación de anotaciones) para procesar los datos de entrada y de salida.
+ Las funciones Lambda están predefinidas en cada AWS región para los tipos de tareas integradas. Para encontrar el ARN Lambda previo a la anotación correspondiente a su región, consulte. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) Para encontrar el ARN Lambda de consolidación de anotaciones de su región, consulte. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)
+ Para flujos de trabajo de etiquetado personalizados, debe proporcionar un ARN de Lambda de preanotación y postanotación personalizado. Para obtener información sobre cómo crear estas funciones de Lambda, consulte [Procesar datos en un flujo de trabajo de etiquetado personalizado con AWS Lambda](sms-custom-templates-step3.md).
+ Un ARN de equipo de trabajo que especifique en `WorkteamArn`. Recibirá un ARN de equipo de trabajo cuando se suscriba a la plantilla de un proveedor o cree un equipo de trabajo privado. Si va a crear un trabajo de etiquetado para un fotograma de vídeo o un tipo de tarea de nube de puntos, no podrá utilizar personal. Amazon Mechanical Turk Para todos los demás tipos de tareas, para utilizar el personal de Mechanical Turk, utilice el siguiente ARN. *`region`*Sustitúyala por la AWS región que estás utilizando para crear el trabajo de etiquetado.
` arn:aws:sagemaker:region:394669845002:workteam/public-crowd/default`
Si utiliza el [personal de Amazon Mechanical Turk](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html), utilice el parámetro `ContentClassifiers` en `DataAttributes` para declarar que el contenido está libre de información de identificación personal o contenido para adultos.
Ground Truth *exige* que sus datos de entrada estén libres de información de identificación personal (PII) si utiliza el personal de Mechanical Turk. Si utiliza Mechanical Turk y no especifica que los datos de entrada están libres de PII utilizando la marca `FreeOfPersonallyIdentifiableInformation`, el trabajo de etiquetado producirá un error. Usa la `FreeOfAdultContent` bandera para declarar que los datos introducidos no contienen contenido para adultos. SageMaker La IA puede restringir el número de trabajadores de Amazon Mechanical Turk que puedan ver tu tarea si contiene contenido para adultos.
Para obtener más información sobre los equipos de trabajo y el personal, consulte [Personal](sms-workforce-management.md).
+ Si utiliza el personal de Mechanical Turk, debe especificar el precio que pagará a los trabajadores por realizar una tarea en `PublicWorkforceTaskPrice`.
+ Para configurar la tarea, debe proporcionar una descripción y un título utilizando `TaskDescription` y `TaskTitle`, respectivamente. Si lo desea, puede establecer límites de tiempo que controlen cuánto tiempo tienen que trabajar los trabajadores en una tarea individual (`TaskTimeLimitInSeconds`) y cuánto tiempo permanecen las tareas en el portal del trabajador a su disposición (`TaskAvailabilityLifetimeInSeconds`).
+ (Opcional) Para [algunos tipos de tareas](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html), puede hacer que varios trabajadores etiqueten un solo objeto de datos introduciendo un número mayor que uno en el parámetro `NumberOfHumanWorkersPerDataObject`. Para obtener más información acerca de la consolidación de anotaciones, consulte [Consolidación de anotaciones](sms-annotation-consolidation.md).
+ (Opcional) Para crear un trabajo de etiquetado de datos automatizado, especifique uno de los que ARNs aparecen [LabelingJobAlgorithmSpecificationArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_LabelingJobAlgorithmsConfig.html)en`LabelingJobAlgorithmsConfig`. Este ARN identifica el algoritmo trabajador en el trabajo de etiquetado de datos automatizado. El tipo de tarea asociado a este ARN debe coincidir con el tipo de tarea del `PreHumanTaskLambdaArn` y `AnnotationConsolidationLambdaArn` que especifique. El etiquetado de datos automatizado es compatible con los siguientes tipos de tareas: clasificación de imágenes, cuadro delimitador, segmentación semántica y clasificación de texto. El número mínimo de objetos permitidos para el etiquetado de datos automatizado es de 1250, pero recomendamos encarecidamente proporcionar un mínimo de 5000 objetos. Para obtener más información sobre los trabajos de etiquetado de datos automatizado, consulte [Automatización del etiquetado de datos](sms-automated-labeling.md).
+ (Opcional) Puede proporcionar [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#API_CreateLabelingJob_RequestSyntax](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#API_CreateLabelingJob_RequestSyntax) que hagan que el trabajo de etiquetado se detenga si se cumple una de las condiciones. Puede utilizar las condiciones de detención para controlar el costo del trabajo de etiquetado.
## Ejemplos
Los siguientes ejemplos de código muestran cómo crear un trabajo de etiquetado utilizando `CreateLabelingJob`. También puedes ver estos cuadernos de ejemplo GitHub en el [repositorio de ejemplos de SageMaker IA](https://github.com/aws/amazon-sagemaker-examples/tree/master/ground_truth_labeling_jobs).
------
#### [ AWS SDK para Python (Boto3) ]
A continuación se ofrece un ejemplo de [solicitud del SDK de AWS Python (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) para crear un trabajo de etiquetado para un tipo de tarea integrada en la región Este de EE. UU. (Norte de Virginia). *red-italized text*Sustitúyalos todos por los recursos y especificaciones de su trabajo de etiquetado.
```
response = client.create_labeling_job(
LabelingJobName="example-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/custom-worker-task-template.html"
},
'PreHumanTaskLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
'TaskKeywords': [
"Images",
"Classification",
"Multi-label"
],
'TaskTitle': "Multi-label image classification task",
'TaskDescription': "Select all labels that apply to the images shown",
'NumberOfHumanWorkersPerDataObject': 1,
'TaskTimeLimitInSeconds': 3600,
'TaskAvailabilityLifetimeInSeconds': 21600,
'MaxConcurrentTaskCount': 1000,
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
},
Tags=[
{
'Key': "string",
'Value': "string"
},
]
)
```
------
#### [ AWS CLI ]
El siguiente es un ejemplo de una solicitud de AWS CLI para crear un trabajo de etiquetado para un tipo de tarea integrada en la región EE.UU. Este (Virginia del Norte) con el personal de [Amazon Mechanical Turk](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html). Para obtener más información, consulte [start-human-loop](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-labeling-job.html) en la *Referencia de comandos de la [AWS CLI](https://docs.aws.amazon.com/cli/latest/reference/)*. *red-italized text*Sustitúyalo todo por los recursos y las especificaciones de su trabajo de etiquetado.
```
$ aws --region us-east-1 sagemaker create-labeling-job \
--labeling-job-name "example-labeling-job" \
--label-attribute-name "label" \
--role-arn "arn:aws:iam::account-id:role/role-name" \
--input-config '{
"DataAttributes": {
"ContentClassifiers": [
"FreeOfPersonallyIdentifiableInformation",
"FreeOfAdultContent"
]
},
"DataSource": {
"S3DataSource": {
"ManifestS3Uri": "s3://bucket/path/manifest-with-input-data.json"
}
}
}' \
--output-config '{
"KmsKeyId": "",
"S3OutputPath": "s3://bucket/path/file-to-store-output-data"
}' \
--human-task-config '{
"AnnotationConsolidationConfig": {
"AnnotationConsolidationLambdaArn": "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
},
"TaskAvailabilityLifetimeInSeconds": 21600,
"TaskTimeLimitInSeconds": 3600,
"NumberOfHumanWorkersPerDataObject": 1,
"PreHumanTaskLambdaArn": "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
"WorkteamArn": "arn:aws:sagemaker:us-east-1:394669845002:workteam/public-crowd/default",
"PublicWorkforceTaskPrice": {
"AmountInUsd": {
"Dollars": 0,
"TenthFractionsOfACent": 6,
"Cents": 3
}
},
"TaskDescription": "Select all labels that apply to the images shown",
"MaxConcurrentTaskCount": 1000,
"TaskTitle": "Multi-label image classification task",,
"TaskKeywords": [
"Images",
"Classification",
"Multi-label"
],
"UiConfig": {
"UiTemplateS3Uri": "s3://bucket/path/custom-worker-task-template.html"
}
}'
```
------
Para obtener más información acerca de esta operación, consulte [CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html). Para obtener información sobre cómo usar otros idiomas específicos SDKs, consulte [Consulte también](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html#API_CreateLabelingJob_SeeAlso) en el `CreateLabelingJobs` tema.
# Creación de un trabajo de etiquetado en transmisión
Los trabajos de etiquetado en streaming permiten enviar objetos de datos individuales en tiempo real a un trabajo de etiquetado en streaming y continuo. Para crear un trabajo de etiquetado en transmisión, puede especificar el tema de *entrada* de Amazon SNS, `SnsTopicArn`, en el parámetro `InputConfig` al realizar una solicitud [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html). Opcionalmente, también puede crear un *tema de salida* de Amazon SNS y especificarlo en `OutputConfig` si desea recibir datos de etiquetas en tiempo real.
**importante**
Si no tiene experiencia con los trabajos de etiquetado en streaming de Ground Truth, le recomendamos que consulte [Trabajos de etiquetado en transmisión de Ground Truth](sms-streaming-labeling-job.md) antes de crear un trabajo de este tipo. Los trabajos de etiquetado en streaming de Ground Truth solo se admiten a través de la SageMaker API.
Utilice las siguientes secciones para crear los recursos que necesita y puede utilizar para crear un trabajo de etiquetado en streaming:
+ Aprenda a crear temas de SNS con los permisos necesarios para los trabajos de etiquetado en streaming de Ground Truth siguiendo los pasos que se indican en [Uso de los temas de Amazon SNS para el etiquetado de datos](sms-create-sns-input-topic.md). Sus temas de SNS deben crearse en la misma AWS región que su trabajo de etiquetado.
+ Consulte [Suscribir un punto de conexión a un tema de Amazon SNS](sms-create-sns-input-topic.md#sms-streaming-subscribe-output-topic) para aprender a configurar un punto conexión para recibir datos de salida de la tarea de etiquetado en un punto de conexión específico cada vez que se complete una tarea de etiquetado.
+ Para aprender a configurar un bucket de Amazon S3 para enviar notificaciones al tema de entrada de Amazon SNS, consulte [Creación de notificaciones de eventos de bucket basadas en Amazon S3 en función del Amazon SNS definido en el trabajo de etiquetado](sms-streaming-s3-setup.md).
+ Opcionalmente, añada a su manifiesto de entrada los objetos de datos que desea etiquetar en cuanto comience el trabajo de etiquetado. Para obtener más información, consulte [Crear un archivo de manifiesto (opcional)](sms-streaming-manifest.md).
+ Hay otros recursos necesarios para crear un trabajo de etiquetado, como un rol de IAM, un bucket de Amazon S3, una plantilla de tareas de trabajo y categorías de etiquetas. Se describen en la documentación de Ground Truth sobre la creación de trabajos de etiquetado. Para obtener más información, consulte [Crear un trabajo de etiquetado](sms-create-labeling-job.md).
**importante**
Al crear un trabajo de etiquetado, debe proporcionar un rol de ejecución de IAM. Adjunta la política AWS gestionada **AmazonSageMakerGroundTruthExecution**a esta función para asegurarte de que cuenta con los permisos necesarios para ejecutar tu trabajo de etiquetado.
Cuando envía una solicitud para crear un trabajo de etiquetado en streaming, el estado del trabajo de etiquetado es `Initializing`. Una vez que el trabajo de etiquetado está activo, el estado cambia a `InProgress`. No envíe nuevos objetos de datos al trabajo de etiquetado ni intente detener el trabajo de etiquetado mientras esté en ese estado `Initializing`. Cuando el estado cambie a `InProgress`, podrá empezar a enviar nuevos objetos de datos mediante la configuración de Amazon SNS y Amazon S3.
**Topics**
+ [Uso de los temas de Amazon SNS para el etiquetado de datos](sms-create-sns-input-topic.md)
+ [Creación de notificaciones de eventos de bucket basadas en Amazon S3 en función del Amazon SNS definido en el trabajo de etiquetado](sms-streaming-s3-setup.md)
+ [Crear un archivo de manifiesto (opcional)](sms-streaming-manifest.md)
+ [Cree un trabajo de etiquetado en streaming con la SageMaker API](sms-streaming-create-labeling-job-api.md)
+ [Detener un trabajo de etiquetado en streaming](sms-streaming-stop-labeling-job.md)
# Uso de los temas de Amazon SNS para el etiquetado de datos
Debe crear una entrada de Amazon SNS para crear un trabajo de etiquetado en streaming. Si lo desea, puede proporcionar un tema de salida de Amazon SNS.
Al crear un tema de Amazon SNS para utilizarlo en el trabajo de etiquetado en streaming, anote el nombre de recurso de Amazon (ARN) del tema. El ARN serán los valores de entrada del parámetro `SnsTopicArn` en `InputConfig` y `OutputConfig` cuando cree un trabajo de etiquetado.
## Crear un tema de entrada
El tema de entrada se utiliza para enviar nuevos objetos de datos a Ground Truth. Para crear un tema de entrada, siga las instrucciones de [Creating an Amazon SNS topic](https://docs.aws.amazon.com/sns/latest/dg/sns-create-topic.html) en la Guía para desarrolladores de Amazon Simple Notification Service.
Anote el ARN del tema de entrada y utilícelo como entrada para el parámetro de `CreateLabelingJob` `SnsTopicArn` en `InputConfig`.
## Crear un tema de salida
Si proporciona un tema de salida, se utiliza para enviar notificaciones cuando se etiqueta un objeto de datos. Cuando crea un tema tiene la opción de agregar una clave de cifrado. Utilice esta opción para añadir una clave gestionada por el AWS Key Management Service cliente a su tema para cifrar los datos de salida del trabajo de etiquetado antes de publicarlos en el tema de salida.
Para crear un tema de salida, siga las instrucciones de [Creating an Amazon SNS topic](https://docs.aws.amazon.com/sns/latest/dg/sns-create-topic.html) en la Guía para desarrolladores de Amazon Simple Notification Service.
Si agrega cifrado, debe asociar un permiso adicional al tema. Para obtener más información, consulte [Añada cifrado al tema de salida (opcional)](#sms-streaming-encryption).
**importante**
Para añadir una clave gestionada por el cliente al tema de salida al crear un tema en la consola, no utilice la alias/aws/sns opción **(predeterminada)**. Seleccione una clave gestionada por el cliente que ha creado.
Anote el ARN del tema de entrada y utilícelo en su solicitud de `CreateLabelingJob` en el parámetro `SnsTopicArn` en `OutputConfig`.
### Añada cifrado al tema de salida (opcional)
Para cifrar mensajes publicados en el tema de salida debe proporcionar una clave gestionada por el cliente de AWS KMS al tema. Modifique la siguiente política y agréguela a la clave gestionada por el cliente para dar a Ground Truth permiso para cifrar datos de salida antes de publicarlos en el tema de salida.
Sustituya *``* por el identificador de la cuenta que está utilizando para crear el tema. Para obtener información sobre cómo encontrar tu ID de AWS cuenta, consulta Cómo [encontrar tu ID de AWS cuenta](https://docs.aws.amazon.com/IAM/latest/UserGuide/console_account-alias.html#FindingYourAWSId).
------
#### [ JSON ]
****
```
{
"Id": "key-console-policy",
"Version":"2012-10-17",
"Statement": [
{
"Sid": "Enable IAM User Permissions",
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::111122223333:root"
},
"Action": "kms:*",
"Resource": "*"
},
{
"Sid": "Allow access for Key Administrators",
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::111122223333:role/Admin"
},
"Action": [
"kms:Create*",
"kms:Describe*",
"kms:Enable*",
"kms:List*",
"kms:Put*",
"kms:Update*",
"kms:Revoke*",
"kms:Disable*",
"kms:Get*",
"kms:Delete*",
"kms:TagResource",
"kms:UntagResource",
"kms:ScheduleKeyDeletion",
"kms:CancelKeyDeletion"
],
"Resource": "*"
}
]
}
```
------
Además, debe modificar y añadir la siguiente política al rol de ejecución que utiliza para crear el trabajo de etiquetado (el valor de entrada de `RoleArn`).
Sustituya *``* por el identificador de la cuenta que está utilizando para crear el tema. Sustituya *``* por la región de AWS en la que vaya a crear el trabajo de etiquetado. Sustituya `` por el identificador de clave gestionada por el cliente.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "sid1",
"Effect": "Allow",
"Action": [
"kms:Decrypt",
"kms:GenerateDataKey"
],
"Resource": "arn:aws:kms:us-east-1:111122223333:key/your_key_id"
}
]
}
```
------
Para obtener más información sobre la creación y protección de claves, consulte [Creación de claves](https://docs.aws.amazon.com/kms/latest/developerguide/create-keys.html) y [uso de políticas clave](https://docs.aws.amazon.com/kms/latest/developerguide/key-policies.html) en la Guía para AWS Key Management Service desarrolladores.
## Suscribir un punto de conexión a un tema de Amazon SNS
Cuando un trabajador completa una tarea de etiquetado desde un trabajo de etiquetado en streaming de Ground Truth, Ground Truth utiliza el tema de salida para publicar datos de salida en uno o más puntos de conexión que usted especifique. Para recibir notificaciones cuando un trabajador termina una tarea de etiquetado debe suscribir un punto de conexión a un tema de salida de Amazon SNS.
Para aprender a agregar puntos de conexión a un tema de salida, consulte [Suscripción a un tema de Amazon SNS](https://docs.aws.amazon.com/sns/latest/dg/sns-create-subscribe-endpoint-to-topic.html) en la *Guía para desarrolladores de Amazon Simple Notification Service*.
Para obtener más información sobre el formato de datos de salida que se publica en estos puntos de conexión, consulte [Etiquetado de los datos de salida del trabajo](sms-data-output.md).
**importante**
Si no suscribe un punto de conexión a un tema de salida de Amazon SNS, no recibirá notificaciones cuando se etiqueten nuevos objetos de datos.
# Creación de notificaciones de eventos de bucket basadas en Amazon S3 en función del Amazon SNS definido en el trabajo de etiquetado
Los cambios en su bucket de Amazon S3, las notificaciones de eventos, están habilitados en la consola de Amazon S3, en la API, en el idioma específico AWS SDKs o en AWS Command Line Interface. Los eventos deben enviarse al mismo ARN del tema de entrada de Amazon SNS, `SnsTopicArn`, que esté especificado en el parámetro `InputConfig` como parte de la solicitud `CreateLabelingJob`.
**Las notificaciones del bucket de Amazon S3 y los datos de entrada no deben ser el mismo bucket de Amazon S3**
Al crear notificaciones de eventos, no utilice la misma ubicación de Amazon S3 que especificó como `S3OutputPath` en los parámetros `OutputConfig`. La vinculación de los dos buckets puede provocar que Ground Truth procese objetos de datos no deseados para su etiquetado.
Usted controla los tipos de eventos que desea enviar al tema de Amazon SNS. Ground Truth crea un trabajo de etiquetado cuando envía [eventos de creación de objetos](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/enable-event-notifications.html#enable-event-notifications-types).
La estructura de eventos enviada al tema de entrada de Amazon SNS debe ser un mensaje JSON formateado con la misma estructura que se encuentra en la [estructura de mensajes de eventos](https://docs.aws.amazon.com/AmazonS3/latest/dev/notification-content-structure.html).
Para ver ejemplos de cómo puede configurar una notificación de eventos para su bucket de Amazon S3 mediante la consola Amazon S3, el AWS SDK para .NET y el AWS SDK para Java, siga este tutorial, [Tutorial: Configurar un bucket para notificaciones (tema de SNS o cola de SQS)](https://docs.aws.amazon.com/AmazonS3/latest/dev/ways-to-add-notification-config-to-bucket.html) de la Guía del usuario de *Amazon Simple* Storage Service.
EventBridge Las notificaciones de Amazon no se admiten de forma nativa. Para utilizar la notificación EventBridge basada, debes actualizar el formato de salida para que coincida con el formato JSON utilizado en la [estructura de los mensajes del evento](https://docs.aws.amazon.com/AmazonS3/latest/dev/notification-content-structure.html).
# Crear un archivo de manifiesto (opcional)
Al crear un trabajo de etiquetado en streaming, tiene la opción única de añadir objetos (como imágenes o texto) a un archivo de manifiesto `ManifestS3Uri` de entrada que especifique en`CreateLabelingJob`. Cuando se inicia el trabajo de etiquetado en streaming, estos objetos se envían a los trabajadores o se añaden a la cola de Amazon SQS si se supera el número total de objetos `MaxConcurrentTaskCount`. Los resultados se añaden periódicamente a la ruta de Amazon S3 que especifique al crear el trabajo de etiquetado periódicamente cuando los trabajadores completan tareas de etiquetado. Los datos de salida se envían a cualquier punto de conexión al que esté suscrito al tema de salida.
Si desea proporcionar objetos iniciales para etiquetarlos, cree un archivo de manifiesto que identifique estos objetos y colóquelo en Amazon S3. Especifique el URI de S3 de este archivo de manifiesto en `ManifestS3Uri` dentro de `InputConfig`.
Para aprender a dar formato al archivo de manifiesto, consulte [Datos de entrada](sms-data-input.md). Para utilizar la consola de SageMaker IA para generar automáticamente un archivo de manifiesto (no se admite en los tipos de tareas de nube de puntos 3D), consulte[Automatización de la configuración de datos para los trabajos de etiquetado](sms-console-create-manifest-file.md).
# Cree un trabajo de etiquetado en streaming con la SageMaker API
A continuación se ofrece un ejemplo de [solicitud del SDK de AWS Python (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) para puede emplear para iniciar un trabajo de etiquetado en streaming para un tipo de tarea integrada en la región Este de EE. UU. (Norte de Virginia). Para obtener más información sobre cada uno de los parámetros, consulte [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html). Para obtener información sobre cómo crear un trabajo de etiquetado con esta API y el idioma asociado específico SDKs, consulte [Crear un trabajo de etiquetado (API)](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-create-labeling-job-api.html).
Este ejemplo contiene los siguientes parámetros:
+ `SnsDataSource`: este parámetro aparece en `InputConfig` y `OutputConfig` y se utiliza para identificar los temas de entrada y salida de Amazon SNS, respectivamente. Para crear un trabajo de etiquetado en streaming, debe proporcionar un tema de entrada de Amazon SNS. Si lo desea, también puede proporcionar un tema de salida de Amazon SNS.
+ `S3DataSource`: este parámetro es opcional. Utilice este parámetro si desea incluir un archivo de manifiesto de entrada con los objetos de datos que desea etiquetar en cuanto comience el trabajo de etiquetado.
+ [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-StoppingConditions](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-StoppingConditions): este parámetro no se tiene en cuenta al crear un trabajo de etiquetado en streaming. Para aprender a detener un trabajo de etiquetado en streaming, consulte [Detener un trabajo de etiquetado en streaming](sms-streaming-stop-labeling-job.md).
+ Los trabajos de etiquetado en streaming no admiten etiquetado de datos automatizado. No incluya el parámetro `LabelingJobAlgorithmsConfig`.
```
response = client.create_labeling_job(
LabelingJobName= 'example-labeling-job',
LabelAttributeName='label',
InputConfig={
'DataSource': {
'S3DataSource': {
'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
},
'SnsDataSource': {
'SnsTopicArn': 'arn:aws:sns:us-east-1:123456789012:your-sns-input-topic'
}
},
'DataAttributes': {
'ContentClassifiers': [
'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
]
}
},
OutputConfig={
'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
'KmsKeyId': 'string',
'SnsTopicArn': 'arn:aws:sns:us-east-1:123456789012:your-sns-output-topic'
},
RoleArn='arn:aws:iam::*:role/*',
LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
HumanTaskConfig={
'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*',
'UiConfig': {
'UiTemplateS3Uri': 's3://bucket/path/custom-worker-task-template.html'
},
'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype',
'TaskKeywords': [
'Example key word',
],
'TaskTitle': 'Multi-label image classification task',
'TaskDescription': 'Select all labels that apply to the images shown',
'NumberOfHumanWorkersPerDataObject': 123,
'TaskTimeLimitInSeconds': 123,
'TaskAvailabilityLifetimeInSeconds': 123,
'MaxConcurrentTaskCount': 123,
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-tasktype'
}
},
Tags=[
{
'Key': 'string',
'Value': 'string'
},
]
)
```
# Detener un trabajo de etiquetado en streaming
Puede detener manualmente su trabajo de etiquetado en streaming mediante esta operación [StopLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_StopLabelingJob.html).
Si el trabajo de etiquetado permanece inactivo durante más de 10 días, Ground Truth lo detiene automáticamente. En este contexto, un trabajo de etiquetado se considera *inactivo* si no se envía ningún objeto al tema de entrada de Amazon SNS y no queda ningún objeto en la cola de Amazon SQS esperando a ser etiquetado. Por ejemplo, si no se envía ningún objeto de datos al tema de entrada de Amazon SNS y todos los objetos que llegan al trabajo de etiquetado ya están etiquetados, Ground Truth inicia un temporizador. Cuando se inicie el temporizador, si no se recibe ningún elemento en un periodo de 10 días, se detiene el trabajo de etiquetado.
Cuando se detiene un trabajo de etiquetado, su estado es `STOPPING` mientras Ground Truth limpia los recursos del trabajo de etiquetado y cancela la suscripción del tema de Amazon SNS de la cola de Amazon SQS. Ground Truth *no* elimina Amazon SQS porque esta cola puede contener objetos de datos sin procesar. Debe eliminar la cola manualmente si no quiere incurrir en cargos adicionales por parte de Amazon SQS. Para obtener más información, consulte [Precios de Amazon SQS](https://aws.amazon.com/sqs/pricing/).
# Archivo de configuración de categorías de etiquetado con atributos de categorías de etiquetas y fotogramas
Cuando crea un trabajo de etiquetado de fotogramas de vídeo o nubes de puntos 3D mediante la operación de la SageMaker API de Amazon`CreateLabelingJob`, utiliza un archivo de configuración de categorías de etiquetas para especificar las etiquetas y las instrucciones de trabajo. Si lo desea, también puede incluir lo siguiente en el archivo de atributos de categorías de etiquetas:
+ Puede proporcionar *atributos de categorías de etiquetas* para los tipos de tareas de detección y seguimiento de objetos en fotogramas de vídeo y nubes de puntos 3D. Los trabajadores pueden utilizar uno o varios atributos para proporcionar más información sobre un objeto. Por ejemplo, quizá convenga utilizar el atributo *ocluido* para que los trabajadores identifiquen cuándo está parcialmente obstruido un objeto. Puede especificar un atributo de categorías de etiquetas para una sola etiqueta mediante el parámetro `categoryAttributes` o para todas las etiquetas mediante el parámetro `categoryGlobalAttributes`.
+ Puede proporcionar *atributos de fotogramas* para los tipos de tareas de detección de objetos y seguimiento de objetos en fotogramas de vídeo y nubes de puntos 3D utilizando `frameAttributes`. Cuando crea un atributo de fotogramas, aparece en cada fotograma o nube de puntos de la tarea del trabajador. En los trabajos de etiquetado de fotogramas de vídeo, son atributos que los trabajadores asignan a un fotograma de vídeo completo. En los trabajos de etiquetado en nubes de puntos 3D, estos atributos se aplican a una sola nube de puntos. Utilice los atributos de fotogramas para que los trabajadores proporcionen más información sobre la escena en un fotograma o una nube de puntos específicos.
+ Para los trabajos de etiquetado de fotogramas de vídeo, utilice el archivo de configuración de categorías de etiquetas para especificar el tipo de tarea (cuadro delimitador, polilínea, polígono o punto clave) que se enviará a los trabajadores.
Los trabajadores podrán especificar de manera opcional valores para los atributos de categorías de etiquetas y los atributos de fotogramas.
**importante**
Solo debe proporcionar un nombre de atributo de etiqueta en `auditLabelAttributeName` si está ejecutando un trabajo de auditoría para verificar o ajustar etiquetas. Utilice este parámetro para introducir lo que [LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName)se utilizó en el trabajo de etiquetado que generó las anotaciones que desea que ajuste su trabajador. Al crear un trabajo de etiquetado en la consola, si no especificó un nombre de atributo de etiqueta, se utilizará el **nombre** del trabajo como. LabelAttributeName
En los temas siguientes se ofrecen ejemplos de un archivo de configuración de categorías de etiquetas para distintos tipos de trabajos de etiquetado. También explican el esquema y las cuotas de un archivo de configuración de categorías.
**Topics**
+ [Ejemplos: archivos de configuración de categorías de etiquetas para trabajos de etiquetado en nubes de puntos 3D](#sms-label-cat-config-attributes-3d-pc)
+ [Ejemplos: archivos de configuración de categorías de etiquetas para trabajos de etiquetado en fotogramas de vídeo](#sms-label-cat-config-attributes-vid-frame)
+ [Esquema del archivo de configuración de categorías de etiquetas](#sms-label-cat-config-attributes-schema)
+ [Cuotas de atributos de etiquetas y de categorías de etiquetas](#sms-point-cloud-label-cat-limits)
## Ejemplos: archivos de configuración de categorías de etiquetas para trabajos de etiquetado en nubes de puntos 3D
En los siguientes temas se muestran ejemplos de archivos de configuración de categorías de etiquetas en nubes de puntos 3D para trabajos de etiquetado de detección de objetos, seguimiento de objetos, segmentación semántica, ajuste y verificación.
**Topics**
+ [Ejemplo: Detección y seguimiento de objetos en nubes de puntos 3D](#example-3d-point-cloud-object)
+ [Ejemplo: Segmentación semántica de nubes de puntos 3D](#example-3d-point-cloud-semantic)
+ [Ejemplo: Ajuste de nubes de puntos 3D](#example-3d-point-cloud-adjustment)
+ [Ejemplo: Verificación de nubes de puntos 3D](#example-3d-point-cloud-verification)
### Ejemplo: Detección y seguimiento de objetos en nubes de puntos 3D
A continuación se ofrece un ejemplo de archivo de configuración de categorías de etiquetas que incluye atributos de categorías de etiquetas para un trabajo de etiquetado de detección o seguimiento de objetos en nubes de puntos 3D. Este ejemplo incluye dos atributos de fotograma, que se añadirán a todas las nubes de puntos enviadas al trabajo de etiquetado. La etiqueta `Car` incluirá cuatro atributos de categorías de etiquetas: `X`, `Y`, `Z` y el atributo global, `W`.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"],
"isRequired":true
},
],
"categoryGlobalAttributes": [
{
"name":"W",
"description":"label-attributes-for-all-labels",
"type":"string",
"enum": ["foo", "buzz", "biz"]
}
],
"labels": [
{
"label": "Car",
"categoryAttributes": [
{
"name":"X",
"description":"enter a number",
"type":"number",
},
{
"name":"Y",
"description":"select an option",
"type":"string",
"enum":["y1", "y2"]
},
{
"name":"Z",
"description":"submit a free-form response",
"type":"string",
}
]
},
{
"label": "Pedestrian",
"categoryAttributes": [...]
}
],
"instructions": {"shortInstruction":"Draw a tight Cuboid", "fullInstruction":""}
}
```
### Ejemplo: Segmentación semántica de nubes de puntos 3D
A continuación se ofrece un ejemplo del archivo de configuración de categorías de etiquetas para un trabajo de etiquetado de segmentación en nubes de puntos 3D.
Los tipos de tareas de segmentación semántica en nubes de puntos 3D no admiten atributos de categorías de etiquetas. Se admiten atributos de fotogramas. Si proporciona atributos de categorías de etiquetas para un trabajo de etiquetado de segmentación semántica, no se tendrán en cuenta.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"]
},
],
"labels": [
{
"label": "Car",
},
{
"label": "Pedestrian",
},
{
"label": "Cyclist",
}
],
"instructions": {"shortInstruction":"Select the appropriate label and paint all objects in the point cloud that it applies to the same color", "fullInstruction":""}
}
```
### Ejemplo: Ajuste de nubes de puntos 3D
A continuación se ofrece un ejemplo de archivo de configuración de categorías de etiquetas para un trabajo de etiquetado de ajuste de detección o seguimiento de objetos en nubes de puntos. No se admiten `categoryGlobalAttributes` y `categoryAttributes` en los trabajos de etiquetado de ajuste de segmentación semántica en nubes de puntos 3D.
Debe incluir `auditLabelAttributeName` para especificar el nombre del atributo de etiquetas del trabajo de etiquetado anterior que utiliza para crear el trabajo de etiquetado de ajuste. Opcionalmente, puede utilizar el parámetro `editsAllowed` para especificar si se puede editar o no un atributo de etiquetas o de fotogramas.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"editsAllowed":"none",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"]
},
],
"categoryGlobalAttributes": [
{
"name":"W",
"editsAllowed":"any",
"description":"label-attributes-for-all-labels",
"type":"string",
"enum": ["foo", "buzz", "biz"]
}
],
"labels": [
{
"label": "Car",
"editsAllowed":"any",
"categoryAttributes": [
{
"name":"X",
"description":"enter a number",
"type":"number"
},
{
"name":"Y",
"description":"select an option",
"type":"string",
"enum":["y1", "y2"],
"editsAllowed":"any"
},
{
"name":"Z",
"description":"submit a free-form response",
"type":"string",
"editsAllowed":"none"
}
]
},
{
"label": "Pedestrian",
"categoryAttributes": [...]
}
],
"instructions": {"shortInstruction":"Draw a tight Cuboid", "fullInstruction":""},
// include auditLabelAttributeName for label adjustment jobs
"auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```
### Ejemplo: Verificación de nubes de puntos 3D
A continuación se ofrece un ejemplo de archivo de configuración de categorías de etiquetas que puede utilizar para un trabajo de etiquetado de verificación de detección o seguimiento de objetos en nubes de puntos 3D. No se admiten `categoryGlobalAttributes` y `categoryAttributes` en los trabajos de etiquetado de verificación de segmentación semántica en nubes de puntos 3D.
Debe incluir `auditLabelAttributeName` para especificar el nombre del atributo de etiquetas del trabajo de etiquetado anterior que utiliza para crear el trabajo de etiquetado de verificación. Además, debe utilizar el parámetro `editsAllowed` para especificar que no se pueda editar ninguna etiqueta.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"editsAllowed":"any",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"editsAllowed":"any",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"]
},
],
"categoryGlobalAttributes": [
{
"name":"W",
"editsAllowed":"none",
"description":"label-attributes-for-all-labels",
"type":"string",
"enum": ["foo", "buzz", "biz"]
}
],
"labels": [
{
"label": "Car",
"editsAllowed":"none",
"categoryAttributes": [
{
"name":"X",
"description":"enter a number",
"type":"number",
"editsAllowed":"none"
},
{
"name":"Y",
"description":"select an option",
"type":"string",
"enum":["y1", "y2"],
"editsAllowed":"any"
},
{
"name":"Z",
"description":"submit a free-form response",
"type":"string",
"editsAllowed":"none"
}
]
},
{
"label": "Pedestrian",
"editsAllowed":"none",
"categoryAttributes": [...]
}
],
"instructions": {"shortInstruction":"Draw a tight Cuboid", "fullInstruction":""},
// include auditLabelAttributeName for label verification jobs
"auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```
## Ejemplos: archivos de configuración de categorías de etiquetas para trabajos de etiquetado en fotogramas de vídeo
Las herramientas de anotación disponibles para el trabajador y el tipo de tarea que utilice dependen del valor que especifique para `annotationType`. Por ejemplo, si desea que los trabajadores utilicen puntos clave para realizar un seguimiento de los cambios en la postura de objetos específicos en varios fotogramas, debe especificar `Keypoint` para `annotationType`. Si no especifica un tipo de anotación, se utilizará `BoundingBox` de manera predeterminada.
En los temas siguientes se muestran ejemplos de archivos de configuración de categorías de fotogramas de vídeo.
**Topics**
+ [Ejemplo: Punto clave de fotogramas de vídeo](#example-video-frame-keypoint)
+ [Ejemplo: Ajuste de fotogramas de vídeo](#example-video-frame-adjustment)
+ [Ejemplo: Verificación de fotogramas de vídeo](#example-video-frame-verification)
### Ejemplo: Punto clave de fotogramas de vídeo
A continuación se ofrece un ejemplo de archivo de configuración de categorías de etiquetas de puntos clave en fotogramas de vídeo con atributos de categorías de etiquetas. Este ejemplo incluye dos atributos de fotogramas, que se añadirán a todos los fotogramas enviados al trabajo de etiquetado. La etiqueta `Car` incluirá cuatro atributos de categorías de etiquetas: `X`, `Y`, `Z` y el atributo global, `W`.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"]
},
],
"categoryGlobalAttributes": [
{
"name":"W",
"description":"label-attributes-for-all-labels",
"type":"string",
"enum": ["foo", "buz", "buz2"]
}
],
"labels": [
{
"label": "Car",
"categoryAttributes": [
{
"name":"X",
"description":"enter a number",
"type":"number",
},
{
"name":"Y",
"description":"select an option",
"type":"string",
"enum": ["y1", "y2"]
},
{
"name":"Z",
"description":"submit a free-form response",
"type":"string",
}
]
},
{
"label": "Pedestrian",
"categoryAttributes": [...]
}
],
"annotationType":"Keypoint",
"instructions": {"shortInstruction":"add example short instructions here", "fullInstruction":""}
}
```
### Ejemplo: Ajuste de fotogramas de vídeo
A continuación se ofrece un ejemplo de archivo de configuración de categorías de etiquetas que puede utilizar para un trabajo de etiquetado de ajuste de fotogramas de vídeo.
Debe incluir `auditLabelAttributeName` para especificar el nombre del atributo de etiquetas del trabajo de etiquetado anterior que utiliza para crear el trabajo de etiquetado de verificación. Opcionalmente, puede utilizar el parámetro `editsAllowed` para especificar si se pueden editar o no etiquetas, atributos de categorías de etiquetas o atributos de fotogramas.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"editsAllowed":"none",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"]
},
],
"categoryGlobalAttributes": [
{
"name":"W",
"editsAllowed":"any",
"description":"label-attributes-for-all-labels",
"type":"string",
"enum": ["foo", "buz", "buz2"]
}
],
"labels": [
{
"label": "Car",
"editsAllowed":"any",
"categoryAttributes": [
{
"name":"X",
"description":"enter a number",
"type":"number",
"editsAllowed":"any"
},
{
"name":"Y",
"description":"select an option",
"type":"string",
"enum": ["y1", "y2"],
"editsAllowed":"any"
},
{
"name":"Z",
"description":"submit a free-form response",
"type":"string",
"editsAllowed":"none"
}
]
},
{
"label": "Pedestrian",
"editsAllowed":"none",
"categoryAttributes": [...]
}
],
"annotationType":"Keypoint",
"instructions": {"shortInstruction":"add example short instructions here", "fullInstruction":""},
// include auditLabelAttributeName for label adjustment jobs
"auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```
### Ejemplo: Verificación de fotogramas de vídeo
A continuación se ofrece un ejemplo de archivo de configuración de categorías de etiquetas para un trabajo de etiquetado de fotogramas de vídeo.
Debe incluir `auditLabelAttributeName` para especificar el nombre del atributo de etiquetas del trabajo de etiquetado anterior que utiliza para crear el trabajo de etiquetado de verificación. Además, debe utilizar el parámetro `editsAllowed` para especificar que no se pueda editar ninguna etiqueta.
```
{
"documentVersion": "2020-03-01",
"frameAttributes": [
{
"name":"count players",
"editsAllowed":"none",
"description":"How many players to you see in the scene?",
"type":"number"
},
{
"name":"select one",
"editsAllowed":"any",
"description":"describe the scene",
"type":"string",
"enum":["clear","blurry"]
},
],
"categoryGlobalAttributes": [
{
"name":"W",
"editsAllowed":"none",
"description":"label-attributes-for-all-labels",
"type":"string",
"enum": ["foo", "buz", "buz2"]
}
],
"labels": [
{
"label": "Car",
"editsAllowed":"none",
"categoryAttributes": [
{
"name":"X",
"description":"enter a number",
"type":"number",
"editsAllowed":"any"
},
{
"name":"Y",
"description":"select an option",
"type":"string",
"enum": ["y1", "y2"],
"editsAllowed":"any"
},
{
"name":"Z",
"description":"submit a free-form response",
"type":"string",
"editsAllowed":"none"
}
]
},
{
"label": "Pedestrian",
"editsAllowed":"none",
"categoryAttributes": [...]
}
],
"annotationType":"Keypoint",
"instructions": {"shortInstruction":"add example short instructions here", "fullInstruction":""},
// include auditLabelAttributeName for label adjustment jobs
"auditLabelAttributeName": "myPrevJobLabelAttributeName"
}
```
## Esquema del archivo de configuración de categorías de etiquetas
En la tabla siguiente se enumeran los elementos que puede y debe incluir en el archivo de configuración de categorías de etiquetas.
**nota**
El parámetro `annotationType` solo se admite para los trabajos de etiquetado de fotogramas de vídeo.
****
| Parámetro | Obligatorio | Valores aceptados | Description (Descripción) |
| --- | --- | --- | --- |
| frameAttributes | No | Una lista de objetos JSON. **Parámetros requeridos en cada objeto JSON:** `name`, `type`, `description` `minimum` y `maximum` son obligatorios si `type` es `"number"` **Parámetros opcionales en cada objeto JSON:** `enum`, `editsAllowed`, `isRequired` | Utilice este parámetro para crear un atributo de fotogramas que se aplique a todos los fotogramas o nubes de puntos 3D del trabajo de etiquetado.Consulte la tercera tabla de esta sección para obtener más información. |
| categoryGlobalAttributes | No | Una lista de objetos JSON. **Parámetros requeridos en cada objeto JSON:** `name`, `type` `minimum` y `maximum` son obligatorios si `type` es `"number"` **Parámetros opcionales en cada objeto JSON:** `description`, `enum`, `editsAllowed`, `isRequired` | Utilice este parámetro para crear atributos de categorías de etiquetas que se apliquen a todas las etiquetas especificadas en `labels`. Consulte la tercera tabla de esta sección para obtener más información. |
| labels | Sí | Una lista de hasta 30 objetos JSON. **Parámetros requeridos en cada objeto JSON:** `label` **Parámetros opcionales en cada objeto JSON:** `categoryAttributes`, `editsAllowed` | Utilice este parámetro para especificar las etiquetas o las clases. Agregue una `label` para cada clase. Para agregar un atributo de categorías a una etiqueta, agregue `categoryAttributes` a esa etiqueta. Utilice `editsAllowed` para especificar si una etiqueta se puede editar o no en un trabajo de etiquetado de ajuste. Establezca `editsAllowed` en `"none"` para trabajos de etiquetado de verificación. Para obtener más información, consulte la siguiente tabla. |
| annotationType (solo se admite para los trabajos de etiquetado de fotogramas de vídeo) | No | Cadena **Parámetros aceptados**: `BoundingBox`, `Polyline`, `Polygon`, `Keypoint` **Valor predeterminado**: `BoundingBox` | Utilice esta opción para especificar el tipo de tarea para trabajos de etiquetado de fotogramas de vídeo. Por ejemplo, para una tarea de detección de objetos poligonales en fotogramas de vídeo, elija `Polygon`. Si no especifica `annotationType` al crear un trabajo de etiquetado de fotogramas de vídeo, Ground Truth utilizará `BoundingBox` de forma predeterminada. |
| instructions | No | Un objeto JSON.Parámetros requeridos en cada objeto JSON:`"shortInstruction"`, `"fullInstruction"` | Utilice este parámetro para agregar instrucciones de trabajo para ayudar a los trabajadores a llevar a cabo sus tareas. Para obtener más información acerca de las instrucciones de trabajo, consulte [Instrucciones de trabajo](sms-point-cloud-general-information.md#sms-point-cloud-worker-instructions-general). Las instrucciones breves deben tener menos de 255 caracteres y las instrucciones largas, menos de 2048 caracteres. Para obtener más información, consulte [Creación de páginas de instrucciones](sms-creating-instruction-pages.md). |
| auditLabelAttributeName | Necesario para los tipos de tareas de ajuste y verificación | Cadena | Introduzca el [LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName)utilizado en el trabajo de etiquetado cuyas anotaciones desee ajustar. Utilice este parámetro solo si está creando un trabajo de ajuste para detección de objetos en fotogramas de vídeo y nubes de puntos 3D, seguimiento de objetos o segmentación semántica en nubes de puntos 3D. |
### Esquema de objetos de etiquetas
En la siguiente tabla se describen los parámetros que puede y debe utilizar para crear una lista de `Labels`. Cada parámetro debe incluirse en un objeto JSON.
****
| Parámetro | Obligatorio | Valores aceptados | Description (Descripción) |
| --- | --- | --- | --- |
| label | Sí | Cadena | El nombre de la categoría de etiquetas que se muestra a los trabajadores. El nombre de cada categoría de etiquetas debe ser único. |
| categoryAttributes | No | Una lista de objetos JSON. **Parámetros requeridos en cada objeto JSON:** `name`, `type` `minimum` y `maximum` son obligatorios si `type` es `"number"` **Parámetros opcionales en cada objeto JSON:** `description`, `enum`, `editsAllowed`, `isRequired` | Utilice este parámetro para agregar atributos de categorías de etiquetas a etiquetas concretas especificadas en `labels`. Para añadir uno o más atributos de categorías de etiquetas a una etiqueta, incluya el objeto JSON `categoryAttributes` en el mismo objeto JSON `labels` que esa `label`.Para obtener más información, consulte la siguiente tabla. |
| editsAllowed | No | Cadena **Valores admitidos:** `"none"`: no se permiten modificaciones. o `"any"` (Predeterminado): se permiten todas las modificaciones. | Especifica si los trabajadores pueden editar o no una etiqueta. Para los trabajos de etiquetado de *ajuste* de fotogramas de vídeo o nubes de puntos 3D, añada este parámetro a uno o más objetos JSON de la lista de `labels` para especificar si un trabajador puede editar una etiqueta o no. Para los trabajos de etiquetado de *verificación* de fotogramas de vídeo y nubes de puntos 3D, añada este parámetro con el valor `"none"` a cada objeto JSON de la lista de `labels`. Esto hará que todas las etiquetas dejen de ser editables. |
### Marco: atributos y esquema categoryGlobalAttributes
En la tabla siguiente se describen los parámetros que puede y debe utilizar para crear atributos de fotogramas utilizando `frameAttributes` y atributos de categorías de etiquetas utilizando los parámetros `categoryGlobalAttributes` y `categoryAttributes`.
****
| Parámetro | Obligatorio | Valores aceptados | Description (Descripción) |
| --- | --- | --- | --- |
| name | Sí | Cadena | Utilice este parámetro para asignar un nombre al atributo de categorías de etiquetas. Este es el nombre del atributo que ven los trabajadores. El nombre de cada atributo de categorías de etiquetas debe ser único en el archivo de configuración de categorías de etiquetas. Los atributos de categorías de etiquetas globales y los atributos de categorías de etiquetas específicas no pueden tener el mismo nombre. |
| type | Sí | Cadena **Valores requeridos**: `"string"` o `"number"` | Utilice este parámetro para definir el tipo de categoría de etiquetas o de atributo de fotogramas. Si especifica `"string"` para `type` y proporciona un valor `enum` para este atributo, los trabajadores podrán elegir una de las opciones que proporcione. Si especifica `"string"` para `type` y no lo proporciona un valor `enum`, los trabajadores pueden introducir texto en formato libre. Si especifica `number` para `type`, los trabajadores pueden introducir un valor entre los números `minimum` y `maximum` que especifique. |
| enum | No | Lista de cadenas | Utilice este parámetro para definir opciones que los trabajadores pueden elegir para este atributo de categorías de etiquetas. Los trabajadores pueden elegir un valor especificado en `enum`. Por ejemplo, si especifica `["foo", "buzz", "bar"`] para `enum`, los trabajadores pueden elegir `foo`, `buzz` o`bar`. Debe especificar `"string"` para `type` para utilizar una lista `enum`. |
| description | `frameAttributes`: sí `categoryAttributes` o `categoryGlobalAttributes`: no | Cadena | Utilice este parámetro para agregar una descripción del atributo de categorías de etiquetas o de fotogramas. Puede utilizar este campo para dar a los trabajadores más información acerca del atributo. Este campo solo es necesario para los atributos de fotogramas. |
| minimum y maximum | Es obligatorio si el atributo type es "number". | Enteros | Utilice estos parámetros para especificar los valores mínimos y máximos (inclusivos) que los trabajadores pueden introducir para los atributos de categorías de etiquetas numéricas o de fotogramas. Debe especificar `"number"` para `type` para utilizar `minimum` y `maximum`. |
| editsAllowed | No | Cadena **Valores requeridos**: `"none"`: no se permiten modificaciones. o `"any"` (Predeterminado): se permiten todas las modificaciones. | Especifica si los trabajadores pueden editar un atributo de categorías de etiquetas o de fotogramas. Para los trabajos de etiquetado de *ajuste* y *verificación* de fotogramas de vídeo o nubes de puntos 3D, añada este parámetro a objetos JSON de atributos de categorías de etiquetas y fotogramas para especificar si un trabajador puede editar un atributo o no. |
| isRequired | No | Booleano | Especifica si los trabajadores deben anotar un atributo. Los trabajadores no pueden enviar el trabajo hasta que se hayan anotado todos los atributos necesarios. |
## Cuotas de atributos de etiquetas y de categorías de etiquetas
Puede especificar hasta 10 atributos de categorías de etiquetas por clase. Esta cuota de 10 atributos incluye atributos de categorías de etiquetas globales. Por ejemplo, si crea cuatro atributos de categorías de etiquetas globales y, a continuación, asigna tres atributos de categorías de etiquetas a la etiqueta `X`, dicha etiqueta tendrá 4\$13=7 atributos de categorías de etiquetas en total. Para ver todos los límites de categorías de etiquetas y de atributos de categorías de etiquetas, consulte la tabla siguiente.
****
| Tipo | Mínimo | Máximo |
| --- | --- | --- |
| Etiquetas (`Labels`) | 1 | 30 |
| Cuota de caracteres del nombre de la etiqueta | 1 | 16 |
| Etiquete los atributos de categorías por etiqueta (suma de `categoryAttributes` y `categoryGlobalAttributes`) | 0 | 10 |
| Atributos de categorías de etiquetas con entrada de texto de formato libre por etiqueta (suma de `categoryAttributes` y `categoryGlobalAttributes`) | 0 | 5 |
| Atributos de fotogramas | 0 | 10 |
| Atributos de entrada de texto de formato libre en `frameAttributes`. | 0 | 5 |
| Cuota de caracteres del nombre de atributo (`name`) | 1 | 16 |
| Cuota de caracteres de la descripción del atributo (`description`) | 0 | 128 |
| Cuota de caracteres del tipo de atributo (`type`) | 1 | 16 |
| Valores permitidos en la lista `enum` para un atributo `string` | 1 | 10 |
| Cuota de caracteres para un valor de la lista `enum` | 1 | 16 |
| Número máximo de caracteres en la respuesta de texto de formato libre para texto de formato libre frameAttributes | 0 | 1 000 |
| Máximo de caracteres en la respuesta de texto de formato libre para texto de formato libre categoryAttributes y categoryGlobalAttributes | 0 | 80 |