View a markdown version of this page

Démarrer une tâche de vérification ou d’ajustement des étiquettes (API) - Amazon SageMaker AI
Zone de délimitation et segmentation sémantiqueNuage de points 3D et trame vidéo

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Démarrer une tâche de vérification ou d’ajustement des étiquettes (API)

Démarrez un travail de vérification ou d’ajustement d’étiquette en chaînant un travail terminé avec succès ou en démarrant un nouveau travail à partir de zéro à l’aide de l’opération CreateLabelingJob. La procédure est presque identique à la mise en place d’une nouvelle tâche d’étiquetage en utilisant CreateLabelingJob, avec quelques modifications. Utilisez les sections suivantes pour apprendre quelles modifications sont requises pour chaîner une tâche d’étiquetage afin de créer une tâche d’ajustement ou de vérification des étiquettes.

Lorsque vous créez une tâche d'ajustement ou de vérification des étiquettes à l'aide de l'API Ground Truth, vous devez utiliser un LabelAttributeName différent de celui de la tâche d'étiquetage d'origine. La tâche d’étiquetage originale est celle qui a été utilisée pour créer les étiquettes que vous voulez ajuster ou vérifier.

Important

Le fichier de configuration de la catégorie d’étiquettes que vous identifiez pour un travail d’ajustement ou de vérification dans LabelCategoryConfigS3Uri de CreateLabelingJob doit contenir les mêmes étiquettes que celles utilisées dans la tâche d’étiquetage originale. Vous pouvez ajouter de nouvelles étiquettes. Pour les tâches de nuage de points et de trames vidéo 3D, vous pouvez ajouter de nouveaux attributs de catégorie d’étiquette et d’image au fichier de configuration de catégorie d’étiquette.

Zone de délimitation et segmentation sémantique

Pour créer une tâche de vérification ou d’ajustement d’étiquettes de cadre de délimitation ou de segmentation sémantique, utilisez les directives suivantes pour spécifier les attributs de l’API pour l’opération CreateLabelingJob.

  • Utilisez le paramètre LabelAttributeName afin de spécifier le nom d’étiquette en sortie que vous souhaitez utiliser pour les étiquettes vérifiées ou ajustées. Vous devez utiliser un LabelAttributeName différent de celui utilisé pour la tâche d’étiquetage d’origine.

  • Si vous enchaînez le travail, les étiquettes de la tâche d’étiquetage précédente à ajuster ou à vérifier seront spécifiées dans le modèle d’interface utilisateur personnalisé. Pour savoir comment créer un modèle personnalisé, consultez Créer des modèles de tâches d'employé personnalisés.

    Identifiez l'emplacement du modèle d'interface utilisateur dans le UiTemplateS3Uriparamètre. SageMaker L'IA fournit des widgets que vous pouvez utiliser dans votre modèle personnalisé pour afficher les anciennes étiquettes. Utilisez l’attribut initial-value de l’un des éléments de foule suivants pour extraire les étiquettes qui nécessitent une vérification ou un ajustement et les inclure dans votre modèle de tâche :

    • crowd-semantic-segmentation : utilisez cet élément de foule dans votre modèle de tâche d’interface utilisateur personnalisée pour spécifier des étiquettes de segmentation sémantique qui doivent être vérifiées ou ajustées.

    • crowd-bounding-box : utilisez cet élément de foule dans votre modèle de tâche d’interface utilisateur personnalisée pour spécifier les étiquettes de cadre de délimitation qui doivent être vérifiées ou ajustées.

  • Le paramètre LabelCategoryConfigS3Uri doit contenir les mêmes catégories d’étiquettes que la tâche d’étiquetage précédente.

  • Utilisez les ARN Lambda de vérification ou d’ajustement de cadre de délimitation ou de segmentation sémantique pour PreHumanTaskLambdaArn et AnnotationConsolidationLambdaArn :

    • Pour le cadre de délimitation, les ARN de fonction Lambda de la tâche d’ajustement des étiquettes se terminent par AdjustmentBoundingBox et les ARN de fonction Lambda de vérification se terminent par VerificationBoundingBox.

    • Pour la segmentation sémantique, les ARN de fonction Lambda de la tâche d’ajustement des étiquettes se terminent par AdjustmentSemanticSegmentation et les ARN de fonction Lambda de vérification se terminent par VerificationSemanticSegmentation.

Nuage de points 3D et trame vidéo

  • Utilisez le paramètre LabelAttributeName afin de spécifier le nom d'étiquette en sortie que vous souhaitez utiliser pour les étiquettes vérifiées ou ajustées. Vous devez utiliser un LabelAttributeName différent de celui utilisé pour la tâche d'étiquetage d'origine.

  • Vous devez utiliser l’interface utilisateur de tâche humaine Amazon Resource Name (ARN) (HumanTaskUiArn) utilisé pour la tâche d’étiquetage d’origine. Pour voir les ARN pris en charge, consultez HumanTaskUiArn.

  • Dans le fichier de configuration de catégorie d’étiquette, vous devez spécifier le nom d’attribut d’étiquette (LabelAttributeName) de la tâche d’étiquetage précédente, que vous avez utilisé pour créer la tâche d’étiquetage d’ajustement ou de vérification dans le paramètre auditLabelAttributeName.

  • Vous spécifiez si votre tâche d’étiquetage est une tâche de vérification ou d’ajustement des étiquettes en utilisant le paramètre editsAllowed dans votre fichier de configuration de catégorie d’étiquette, identifié par le paramètre LabelCategoryConfigS3Uri.

    • Pour les tâches de vérification des étiquettes, vous devez utiliser le paramètre editsAllowed pour spécifier que toutes les étiquettes ne peuvent pas être modifiées. editsAllowed doit être défini sur "none" dans chaque entrée de labels. Le cas échéant, vous pouvez spécifier si les attributs des catégories d’étiquettes et des attributs de trame peuvent être ajustés par les employés.

    • Facultativement, pour ajustement, vous pouvez utiliser le paramètre editsAllowed pour spécifier des étiquettes, des attributs de catégorie d’étiquette et des attributs de trame qui peuvent ou ne peuvent pas être modifiés par les employés. Si vous n’utilisez pas ce paramètre, toutes les étiquettes, les attributs de catégorie d’étiquette et les attributs de trame seront modifiables.

    Pour en savoir plus sur le paramètre editsAllowed et la conception de votre fichier de configuration de catégorie d’étiquette, consultez Schéma du fichier de configuration de catégorie d’étiquette.

  • Utilisez les ARN Lambda d’ajustement de nuage de points 3D ou de trame vidéo pour PreHumanTaskLambdaArn et AnnotationConsolidationLambdaArn pour les tâches d’ajustement et de vérification des étiquettes :

    • Pour les nuages de points 3D, les ARN de la fonction Lambda de tâche d’ajustement et de vérification d’étiquettes se terminent par Adjustment3DPointCloudSemanticSegmentation, Adjustment3DPointCloudObjectTracking et Adjustment3DPointCloudObjectDetection, respectivement pour la segmentation sémantique de nuage de points 3D, la détection d’objets et le suivi d’objets.

    • Pour les trames vidéo, les ARN de la fonction Lambda de tâche d’ajustement et de vérification d’étiquettes se termine par AdjustmentVideoObjectDetection et AdjustmentVideoObjectTracking, respectivement pour la détection d’objets et le suivi d’objets dans les trames vidéo.

Ground Truth stocke les données de sortie d’une tâche de vérification ou d’ajustement des étiquettes dans le compartiment S3 que vous avez spécifié dans le paramètre S3OutputPath de l’opération CreateLabelingJob. Pour plus d’informations sur les données en sortie d’un travail d’étiquetage de vérification ou d’ajustement, reportez-vous à la section Données de vérification et d’ajustement des étiquettes dans le manifeste de sortie.