Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Buat Job Pelabelan
Anda dapat membuat pekerjaan pelabelan di konsol Amazon SageMaker AI dan dengan menggunakan AWS SDK dalam bahasa pilihan Anda untuk dijalankan. `CreateLabelingJob` Setelah pekerjaan pelabelan dibuat, Anda dapat melacak metrik pekerja (untuk tenaga kerja pribadi) dan status pekerjaan pelabelan Anda menggunakan. [CloudWatch](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-monitor-cloud-watch.html)
Sebelum Anda membuat pekerjaan pelabelan, disarankan agar Anda meninjau halaman berikut, sebagaimana berlaku:
+ Anda dapat menentukan data input menggunakan penyiapan data otomatis di konsol, atau file manifes masukan di konsol atau saat menggunakan `CreateLabelingJob` API. Untuk penyiapan data otomatis, lihat[Mengotomatiskan pengaturan data untuk pekerjaan pelabelan](sms-console-create-manifest-file.md). Untuk mempelajari cara membuat file manifes masukan, lihat[Masukan file manifes](sms-input-data-input-manifest.md).
+ Tinjau kuota data input pekerjaan pelabelan:. [Kuota Data Masukan](input-data-limits.md)
Setelah Anda memilih jenis tugas Anda, gunakan topik di halaman ini untuk mempelajari cara membuat pekerjaan pelabelan.
Jika Anda adalah pengguna Ground Truth baru, kami sarankan Anda mulai dengan menelusuri demo di[Memulai: Buat pekerjaan pelabelan kotak pembatas dengan Ground Truth](sms-getting-started.md).
**penting**
Ground Truth mengharuskan semua bucket S3 yang berisi data gambar input pekerjaan pelabelan agar kebijakan CORS dilampirkan. Untuk mempelajari informasi lebih lanjut, lihat [Persyaratan CORS untuk Data Gambar Input](sms-cors-update.md).
**Topics**
+ [Jenis Tugas Bawaan](sms-task-types.md)
+ [Buat halaman instruksi](sms-creating-instruction-pages.md)
+ [Membuat Job Pelabelan (Konsol)](sms-create-labeling-job-console.md)
+ [Membuat Job Pelabelan (API)](sms-create-labeling-job-api.md)
+ [Buat pekerjaan pelabelan streaming](sms-streaming-create-job.md)
+ [Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai](sms-label-cat-config-attributes.md)
# Jenis Tugas Bawaan
Amazon SageMaker Ground Truth memiliki beberapa tipe tugas bawaan. Ground Truth menyediakan template tugas pekerja untuk tipe tugas bawaan. Selain itu, beberapa tipe tugas bawaan mendukung[Otomatiskan pelabelan data](sms-automated-labeling.md). Topik berikut menjelaskan setiap jenis tugas bawaan dan demo template tugas pekerja yang disediakan oleh Ground Truth di konsol. Untuk mempelajari cara membuat pekerjaan pelabelan di konsol menggunakan salah satu jenis tugas ini, pilih halaman jenis tugas.
****
| Gambar Label | Teks Label | Label Video dan Bingkai Video | Label Awan Titik 3D |
| --- | --- | --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/sms-task-types.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/sms-task-types.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/sms-task-types.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/sms-task-types.html) |
**catatan**
Setiap frame video dan tipe tugas cloud titik 3D memiliki jenis tugas *penyesuaian* yang Anda gunakan untuk memverifikasi dan menyesuaikan label dari pekerjaan pelabelan sebelumnya. Pilih bingkai video atau halaman jenis tugas cloud titik 3D di atas untuk mempelajari cara menyesuaikan label yang dibuat menggunakan jenis tugas tersebut.
# Buat halaman instruksi
Buat instruksi khusus untuk pelabelan pekerjaan untuk meningkatkan akurasi pekerja Anda dalam menyelesaikan tugas mereka. Anda dapat mengubah instruksi default yang disediakan di konsol atau Anda dapat membuatnya sendiri. Instruksi ditampilkan kepada pekerja di halaman tempat mereka menyelesaikan tugas pelabelan mereka.
Ada dua jenis instruksi:
+ *Instruksi singkat* —instruksi yang ditampilkan di halaman web yang sama tempat pekerja menyelesaikan tugasnya. Instruksi ini harus memberikan referensi yang mudah untuk menunjukkan kepada pekerja cara yang benar untuk memberi label pada suatu objek.
+ *Instruksi lengkap* —instruksi yang ditampilkan pada kotak dialog yang melapisi halaman tempat pekerja menyelesaikan tugasnya. Kami menyarankan Anda memberikan instruksi terperinci untuk menyelesaikan tugas dengan beberapa contoh yang menunjukkan kasus tepi dan situasi sulit lainnya untuk pelabelan objek.
Buat instruksi di konsol saat Anda membuat pekerjaan pelabelan. Mulailah dengan instruksi yang ada untuk tugas tersebut dan gunakan editor untuk memodifikasinya agar sesuai dengan pekerjaan pelabelan Anda.
**catatan**
Setelah Anda membuat pekerjaan pelabelan Anda, itu akan dimulai secara otomatis dan Anda tidak akan dapat mengubah instruksi pekerja Anda. Jika Anda perlu mengubah instruksi pekerja Anda, hentikan pekerjaan pelabelan yang Anda buat, kloning, dan ubah instruksi pekerja Anda sebelum membuat pekerjaan baru.
**Anda dapat mengkloning pekerjaan pelabelan di konsol dengan memilih pekerjaan pelabelan dan kemudian memilih **Klon** di menu Tindakan.**
Untuk mengkloning pekerjaan pelabelan menggunakan Amazon SageMaker API atau Amazon SageMaker SDK pilihan Anda, buat permintaan baru ke `CreateLabelingJob` operasi dengan spesifikasi yang sama dengan pekerjaan asli Anda setelah memodifikasi instruksi pekerja Anda.
Untuk pekerjaan pelabelan cloud titik 3D dan bingkai video, Anda dapat menambahkan instruksi pekerja ke file konfigurasi kategori label Anda. Anda dapat menggunakan satu string untuk membuat instruksi atau Anda dapat menambahkan tanda HTML untuk menyesuaikan tampilan instruksi Anda dan menambahkan gambar. Pastikan gambar apa pun yang Anda sertakan dalam instruksi tersedia untuk umum, atau jika instruksi Anda ada di Amazon S3, pekerja Anda memiliki akses baca sehingga mereka dapat melihatnya. Untuk informasi selengkapnya tentang file konfigurasi kategori label, lihat[Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai](sms-label-cat-config-attributes.md).
## Instruksi singkat
Instruksi singkat muncul di halaman web yang sama yang digunakan pekerja untuk memberi label objek data Anda. Misalnya, berikut ini adalah halaman pengeditan untuk tugas kotak pembatas. Panel instruksi pendek ada di sebelah kiri.
![\[\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/images/sms-instructions-10.png)
Perlu diingat bahwa seorang pekerja hanya akan menghabiskan beberapa detik melihat instruksi singkat. Pekerja harus dapat memindai dan memahami informasi Anda dengan cepat. Dalam semua kasus, dibutuhkan lebih sedikit waktu untuk memahami instruksi daripada yang diperlukan untuk menyelesaikan tugas. Ingatlah poin-poin ini:
+ Instruksi Anda harus jelas dan sederhana.
+ Gambar lebih baik dari kata-kata. Buat ilustrasi sederhana tentang tugas Anda yang dapat segera dipahami oleh pekerja Anda.
+ Jika Anda harus menggunakan kata-kata, gunakan contoh singkat dan ringkas.
+ Instruksi singkat Anda lebih penting daripada instruksi lengkap Anda.
Konsol Amazon SageMaker Ground Truth menyediakan editor sehingga Anda dapat membuat instruksi singkat. Ganti teks dan gambar placeholder dengan instruksi untuk tugas Anda. Pratinjau halaman tugas pekerja dengan memilih **Pratinjau**. Pratinjau akan terbuka di jendela baru, pastikan untuk mematikan pemblokiran pop-up sehingga jendela akan ditampilkan.
## Instruksi Lengkap
Anda dapat memberikan instruksi tambahan untuk pekerja Anda di kotak dialog yang melapisi halaman tempat pekerja memberi label objek data Anda. Gunakan instruksi lengkap untuk menjelaskan tugas yang lebih kompleks dan untuk menunjukkan kepada pekerja cara yang tepat untuk memberi label kasus tepi atau objek sulit lainnya.
Anda dapat membuat instruksi lengkap menggunakan editor di konsol Ground Truth. Seperti instruksi cepat, ingatlah hal-hal berikut:
+ Pekerja akan menginginkan instruksi terperinci beberapa kali pertama yang menyelesaikan tugas Anda. Informasi apa pun yang *harus* mereka miliki harus ada dalam instruksi cepat.
+ Gambar lebih penting dari kata-kata.
+ Teks harus ringkas.
+ Instruksi lengkap harus melengkapi instruksi singkat. Jangan ulangi informasi yang muncul dalam instruksi singkat.
Konsol Ground Truth menyediakan editor sehingga Anda dapat membuat instruksi lengkap. Ganti teks dan gambar placeholder dengan instruksi untuk tugas Anda. Pratinjau halaman instruksi lengkap dengan memilih **Pratinjau**. Pratinjau akan terbuka di jendela baru, pastikan untuk mematikan pemblokiran pop-up sehingga jendela akan ditampilkan.
## Tambahkan contoh gambar ke instruksi Anda
Gambar memberikan contoh yang berguna bagi pekerja Anda. Untuk menambahkan gambar yang dapat diakses publik ke instruksi Anda:
+ Tempatkan kursor di mana gambar harus masuk di editor instruksi.
+ Klik ikon gambar di toolbar editor.
+ Masukkan URL gambar Anda.
Jika gambar instruksi Anda di Amazon S3 tidak dapat diakses publik:
+ Sebagai URL gambar, masukkan:`{{ 'https://s3.amazonaws.com/your-bucket-name/image-file-name' | grant_read_access }}`.
+ Ini membuat URL gambar dengan kode akses satu kali berumur pendek yang ditambahkan sehingga browser pekerja dapat menampilkannya. Ikon gambar yang rusak ditampilkan di editor instruksi, tetapi pratinjau alat menampilkan gambar dalam pratinjau yang diberikan.
# Membuat Job Pelabelan (Konsol)
Anda dapat menggunakan konsol Amazon SageMaker AI untuk membuat pekerjaan pelabelan untuk semua jenis tugas bawaan Ground Truth dan alur kerja pelabelan khusus. Untuk tipe tugas bawaan, kami sarankan Anda menggunakan halaman ini di samping [halaman untuk jenis tugas Anda](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html). Setiap halaman jenis tugas menyertakan detail spesifik tentang membuat pekerjaan pelabelan menggunakan jenis tugas tersebut.
Anda perlu memberikan yang berikut ini untuk membuat pekerjaan pelabelan di konsol SageMaker AI:
+ File manifes masukan di Amazon S3. Anda dapat menempatkan kumpulan data input di Amazon S3 dan secara otomatis membuat file manifes menggunakan konsol Ground Truth (tidak didukung untuk pekerjaan pelabelan cloud titik 3D).
Atau, Anda dapat secara manual membuat file manifes masukan. Untuk mempelajari caranya, lihat [Data input](sms-data-input.md).
+ Bucket Amazon S3 untuk menyimpan data keluaran Anda.
+ Peran IAM dengan izin untuk mengakses sumber daya Anda di Amazon S3 dan dengan kebijakan eksekusi AI SageMaker terlampir. Untuk solusi umum, Anda dapat melampirkan kebijakan terkelola AmazonSageMakerFullAccess, ke peran IAM dan menyertakan `sagemaker` dalam nama bucket Anda.
Untuk kebijakan yang lebih terperinci, lihat[Tetapkan Izin IAM untuk Menggunakan Ground Truth](sms-security-permission.md).
Jenis tugas cloud titik 3D memiliki pertimbangan keamanan tambahan. [Pelajari selengkapnya.](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-general-information.html#sms-security-permission-3d-point-cloud)
+ Sebuah tim kerja. Anda membuat tim kerja dari tenaga kerja yang terdiri dari pekerja Amazon Mechanical Turk, vendor, atau pekerja pribadi Anda sendiri.Untuk lebih bersandar, lihat. [Tenaga Kerja](sms-workforce-management.md)
Anda tidak dapat menggunakan tenaga kerja Mechanical Turk untuk pekerjaan pelabelan cloud titik 3D atau bingkai video.
+ Jika Anda menggunakan alur kerja pelabelan kustom, Anda harus menyimpan template tugas pekerja di Amazon S3 dan menyediakan URI Amazon S3 untuk template tersebut. Untuk informasi selengkapnya, lihat [Membuat template tugas pekerja khusus](sms-custom-templates-step2.md).
+ (Opsional) ARN AWS KMS kunci jika Anda ingin SageMaker AI mengenkripsi output pekerjaan pelabelan Anda menggunakan kunci AWS KMS enkripsi Anda sendiri alih-alih kunci layanan Amazon S3 default.
+ (Opsional) Label yang ada untuk kumpulan data yang Anda gunakan untuk pekerjaan pelabelan Anda. Gunakan opsi ini jika Anda ingin pekerja menyesuaikan, atau menyetujui dan menolak label.
+ Jika Anda ingin membuat pekerjaan pelabelan penyesuaian atau verifikasi, Anda harus memiliki file manifes keluaran di Amazon S3 yang berisi label yang ingin disesuaikan atau diverifikasi. Opsi ini hanya didukung untuk pekerjaan pelabelan gambar segmentasi kotak dan segmentasi semantik serta pekerjaan pelabelan cloud titik 3D dan bingkai video. Anda disarankan untuk menggunakan instruksi [Verifikasi dan penyesuaian label](sms-verification-data.md) untuk membuat pekerjaan pelabelan verifikasi atau penyesuaian.
**penting**
Tim kerja Anda, file manifes masukan, bucket keluaran, dan sumber daya lainnya di Amazon S3 harus berada di AWS Wilayah yang sama yang Anda gunakan untuk membuat pekerjaan pelabelan.
Saat membuat pekerjaan pelabelan menggunakan konsol SageMaker AI, Anda menambahkan instruksi dan label pekerja ke UI pekerja yang disediakan Ground Truth. Anda dapat melihat pratinjau dan berinteraksi dengan UI pekerja sambil membuat pekerjaan pelabelan di konsol. Anda juga dapat melihat pratinjau UI pekerja di [halaman tipe tugas bawaan](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) Anda.
**Untuk membuat pekerjaan pelabelan (konsol)**
1. Masuk ke konsol SageMaker AI di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Di panel navigasi kiri, pilih **Pelabelan pekerjaan**.
1. Pada halaman **Pekerjaan pelabelan**, pilih **Buat pekerjaan pelabelan**.
1. Untuk **nama Job**, masukkan nama untuk pekerjaan pelabelan Anda.
1. (Opsional) Jika Anda ingin mengidentifikasi label Anda dengan kunci, pilih **Saya ingin menentukan nama atribut label yang berbeda dari nama pekerjaan pelabelan**. Jika Anda tidak memilih opsi ini, nama pekerjaan pelabelan yang Anda tentukan pada langkah sebelumnya akan digunakan untuk mengidentifikasi label Anda di file manifes keluaran Anda.
1. Pilih pengaturan data untuk membuat koneksi antara dataset input Anda dan Ground Truth.
+ Untuk **pengaturan data otomatis**:
+ Ikuti petunjuk [Mengotomatiskan pengaturan data untuk pekerjaan pelabelan](sms-console-create-manifest-file.md) untuk pekerjaan pelabelan gambar, teks, dan klip video.
+ Ikuti petunjuk [Mengatur Data Input Bingkai Video Otomatis](sms-video-automated-data-setup.md) untuk pekerjaan pelabelan bingkai video.
+ Untuk **pengaturan data manual**:
+ Untuk **lokasi kumpulan data Input**, berikan lokasi di Amazon S3 tempat file manifes masukan Anda berada. **Misalnya, jika file manifes masukan Anda, manifest.json, terletak di **example-bucket**, masukkan s3://example-bucket/manifest.json.**
+ Untuk **lokasi kumpulan data Output**, berikan lokasi di Amazon S3 tempat Anda ingin Ground Truth menyimpan data keluaran dari pekerjaan pelabelan Anda.
1. Untuk Peran **IAM, pilih peran** IAM yang ada atau buat peran IAM dengan izin untuk mengakses sumber daya Anda di Amazon S3, untuk menulis ke bucket Amazon S3 keluaran yang ditentukan di atas, dan dengan kebijakan eksekusi AI yang dilampirkan. SageMaker
1. (Opsional) Untuk **konfigurasi Tambahan**, Anda dapat menentukan berapa banyak kumpulan data yang ingin diberi label oleh pekerja, dan jika Anda ingin SageMaker AI mengenkripsi data keluaran untuk pekerjaan pelabelan Anda menggunakan kunci enkripsi. AWS KMS Untuk mengenkripsi data keluaran Anda, Anda harus memiliki AWS KMS izin yang diperlukan yang dilampirkan ke peran IAM yang Anda berikan pada langkah sebelumnya. Untuk detail selengkapnya, lihat [Tetapkan Izin IAM untuk Menggunakan Ground Truth](sms-security-permission.md).
1. Di bagian **Jenis tugas**, di bawah **Kategori tugas**, gunakan daftar dropdown untuk memilih kategori tugas Anda.
1. Dalam **Pemilihan tugas**, pilih jenis tugas Anda.
1. (Opsional) Berikan tag untuk pekerjaan pelabelan Anda agar lebih mudah ditemukan di konsol nanti.
1. Pilih **Berikutnya**.
1. Di bagian **Pekerja**, pilih jenis tenaga kerja yang ingin Anda gunakan. Untuk detail selengkapnya tentang opsi tenaga kerja Anda, lihat[Tenaga Kerja](sms-workforce-management.md).
1. (Opsional) Setelah Anda memilih tenaga kerja Anda, tentukan **batas waktu Tugas**. Ini adalah jumlah waktu maksimum yang dimiliki seorang pekerja untuk mengerjakan suatu tugas.
Untuk tugas anotasi cloud titik 3D, batas waktu tugas default adalah 3 hari. Batas waktu default untuk klasifikasi teks dan gambar serta pekerjaan pelabelan verifikasi label adalah 5 menit. Batas waktu default untuk semua pekerjaan pelabelan lainnya adalah 60 menit.
1. (Opsional) Untuk kotak pembatas, segmentasi semantik, bingkai video, dan jenis tugas cloud titik 3D, Anda dapat memilih **Menampilkan label yang ada** jika ingin menampilkan label untuk kumpulan data masukan agar pekerja dapat memverifikasi atau menyesuaikan.
Untuk pekerjaan pelabelan segmentasi kotak pembatas dan semantik, ini akan menciptakan pekerjaan pelabelan penyesuaian.
Untuk pekerjaan pelabelan cloud titik 3D dan bingkai video:
+ Pilih **Penyesuaian** untuk membuat pekerjaan pelabelan penyesuaian. Ketika Anda memilih opsi ini, Anda dapat menambahkan label baru tetapi Anda tidak dapat menghapus atau mengedit label yang ada dari pekerjaan sebelumnya. Secara opsional, Anda dapat memilih atribut kategori label dan atribut bingkai yang ingin diedit oleh pekerja. Untuk membuat atribut dapat diedit, pilih kotak centang **Izinkan pekerja mengedit atribut ini untuk atribut** tersebut.
Secara opsional, Anda dapat menambahkan kategori label baru dan atribut bingkai.
+ Pilih **Verifikasi** untuk membuat pekerjaan pelabelan penyesuaian. Ketika Anda memilih opsi ini, Anda tidak dapat menambahkan, memodifikasi, atau menghapus label yang ada dari pekerjaan sebelumnya. Secara opsional, Anda dapat memilih atribut kategori label dan atribut bingkai yang ingin diedit oleh pekerja. Untuk membuat atribut dapat diedit, pilih kotak centang **Izinkan pekerja mengedit atribut ini untuk atribut** tersebut.
Sebaiknya Anda dapat menambahkan atribut kategori label baru ke label yang ingin diverifikasi oleh pekerja, atau menambahkan satu atau beberapa atribut bingkai agar pekerja memberikan informasi tentang seluruh bingkai.
Untuk informasi selengkapnya, lihat [Verifikasi dan penyesuaian label](sms-verification-data.md).
1. Konfigurasikan UI pekerja Anda:
+ Jika Anda menggunakan [tipe tugas bawaan](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html), tentukan instruksi dan label pekerja.
+ Untuk klasifikasi gambar dan klasifikasi teks (single dan multi-label) Anda harus menentukan setidaknya dua kategori label. Untuk semua jenis tugas bawaan lainnya, Anda harus menentukan setidaknya satu kategori label.
+ (Opsional) Jika Anda membuat pekerjaan pelabelan cloud titik 3D atau bingkai video, Anda dapat menentukan atribut kategori label (tidak didukung untuk segmentasi semantik cloud titik 3D) dan atribut bingkai. Atribut kategori label dapat ditetapkan ke satu atau beberapa label. Atribut bingkai akan muncul di setiap titik cloud atau label pekerja bingkai video. Untuk mempelajari lebih lanjut, lihat [Antarmuka pengguna pekerja (UI)](sms-point-cloud-general-information.md#sms-point-cloud-worker-task-ui) awan titik 3D dan [Antarmuka pengguna pekerja (UI)](sms-video-overview.md#sms-video-worker-task-ui) bingkai video.
+ (Opsional) Tambahkan **instruksi tambahan** untuk membantu pekerja Anda menyelesaikan tugas Anda.
+ Jika Anda membuat alur kerja pelabelan khusus, Anda harus:
+ Masukkan [templat khusus](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates-step2.html) di kotak kode. Template khusus dapat dibuat menggunakan kombinasi HTML, bahasa template Liquid, dan komponen web bawaan kami. Secara opsional, Anda dapat memilih template dasar dari menu drop-down untuk memulai.
+ Tentukan fungsi lambda pra-anotasi dan pasca-anotasi. Untuk mempelajari cara membuat fungsi-fungsi ini, lihat[Memproses data dalam alur kerja pelabelan khusus dengan AWS Lambda](sms-custom-templates-step3.md).
1. (Opsional) Anda dapat memilih **Lihat pratinjau** untuk melihat pratinjau instruksi pekerja, label, dan berinteraksi dengan UI pekerja. Pastikan pemblokir pop-up browser dinonaktifkan sebelum membuat pratinjau.
1. Pilih **Buat**.
Setelah berhasil membuat pekerjaan pelabelan, Anda diarahkan ke halaman pekerjaan **Pelabelan**. Status pekerjaan pelabelan yang baru saja Anda buat sedang **berlangsung**. Status ini semakin diperbarui saat pekerja menyelesaikan tugas Anda. Ketika semua tugas berhasil diselesaikan, status berubah menjadi **Selesai**.
Jika masalah terjadi saat membuat pekerjaan pelabelan, statusnya berubah menjadi **Gagal**.
Untuk melihat detail lebih lanjut tentang pekerjaan, pilih nama pekerjaan pelabelan.
## Langkah Berikutnya
Setelah status pekerjaan pelabelan berubah menjadi **Selesai**, Anda dapat melihat data keluaran di bucket Amazon S3 yang ditentukan saat membuat pekerjaan pelabelan tersebut. Untuk detail tentang format data keluaran Anda, lihat[Pelabelan data keluaran pekerjaan](sms-data-output.md).
# Membuat Job Pelabelan (API)
Untuk membuat pekerjaan pelabelan menggunakan Amazon SageMaker API, Anda menggunakan [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)operasi. Untuk petunjuk spesifik tentang cara membuat pekerjaan pelabelan untuk tipe tugas bawaan, lihat [halaman tipe tugas](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) tersebut. Untuk mempelajari cara membuat pekerjaan pelabelan streaming, yang merupakan pekerjaan pelabelan yang berjalan terus-menerus, lihat. [Buat pekerjaan pelabelan streaming](sms-streaming-create-job.md)
Untuk menggunakan `CreateLabelingJob` operasi ini, Anda memerlukan yang berikut:
+ Template tugas pekerja (`UiTemplateS3Uri`) atau ARN (`[HumanTaskUiArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-HumanTaskUiArn)`) UI tugas manusia di Amazon S3.
+ Untuk pekerjaan cloud titik 3D, pekerjaan deteksi dan pelacakan objek video, dan pekerjaan NER, gunakan ARN yang tercantum `HumanTaskUiArn` untuk jenis tugas Anda.
+ Jika Anda menggunakan tipe tugas bawaan selain tugas cloud titik 3D, Anda dapat menambahkan instruksi pekerja ke salah satu templat yang telah dibuat sebelumnya dan menyimpan templat (menggunakan ekstensi.html atau .liquid) di bucket S3 Anda. Temukan templat pra-bangun di [halaman jenis tugas](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) Anda.
+ Jika Anda menggunakan alur kerja pelabelan khusus, Anda dapat membuat templat khusus dan menyimpan templat di ember S3 Anda. Untuk mempelajari cara membuat templat pekerja khusus, lihat[Membuat template tugas pekerja khusus](sms-custom-templates-step2.md). Untuk elemen HTML kustom yang dapat Anda gunakan untuk menyesuaikan template Anda, lihat[Crowd HTML Elemen Referensi](sms-ui-template-reference.md). Untuk repositori template demo untuk berbagai tugas pelabelan, lihat Amazon [ SageMaker Ground Truth](https://github.com/aws-samples/amazon-sagemaker-ground-truth-task-uis) Sample Task. UIs
+ File manifes masukan yang menentukan data masukan Anda di Amazon S3. Tentukan lokasi file manifes masukan Anda di`ManifestS3Uri`. Untuk informasi tentang membuat manifes masukan, lihat[Data input](sms-data-input.md). Jika Anda membuat pekerjaan pelabelan streaming, ini opsional. Untuk mempelajari cara membuat pekerjaan pelabelan streaming, lihat[Buat pekerjaan pelabelan streaming](sms-streaming-create-job.md).
+ Bucket Amazon S3 untuk menyimpan data keluaran Anda. Anda menentukan bucket ini, dan secara opsional, awalan di. `S3OutputPath`
+ File konfigurasi kategori label. Setiap nama kategori label harus unik. Tentukan lokasi file ini di Amazon S3 menggunakan parameter. `LabelCategoryConfigS3Uri` Kategori format dan label untuk file ini bergantung pada jenis tugas yang Anda gunakan:
+ Untuk klasifikasi gambar dan klasifikasi teks (single dan multi-label) Anda harus menentukan setidaknya dua kategori label. Untuk semua jenis tugas lainnya, jumlah minimum kategori label yang diperlukan adalah satu.
+ Untuk tugas pengenalan entitas bernama, Anda harus memberikan instruksi pekerja dalam file ini. Lihat [Memberikan Instruksi Pekerja dalam File Konfigurasi Kategori Label](sms-named-entity-recg.md#worker-instructions-ner) untuk detail dan contoh.
+ Untuk jenis tugas cloud titik 3D dan bingkai video, gunakan format di[Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai](sms-label-cat-config-attributes.md).
+ Untuk semua jenis tugas bawaan dan tugas khusus lainnya, file konfigurasi kategori label Anda harus berupa file JSON dalam format berikut. Identifikasi label yang ingin Anda gunakan dengan mengganti`label_1`,`label_2`,`...`, `label_n` dengan kategori label Anda.
```
{
"document-version": "2018-11-28",
"labels": [
{"label": "label_1"},
{"label": "label_2"},
...
{"label": "label_n"}
]
}
```
+ Peran AWS Identity and Access Management (IAM) dengan kebijakan IAM [AmazonSageMakerGroundTruthExecution](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerGroundTruthExecution)terkelola yang dilampirkan dan dengan izin untuk mengakses bucket S3 Anda. Tentukan peran ini di`RoleArn`. Untuk mempelajari lebih lanjut tentang kebijakan ini, lihat[Gunakan Kebijakan Terkelola IAM dengan Ground Truth](sms-security-permissions-get-started.md). Jika Anda memerlukan izin yang lebih terperinci, lihat. [Tetapkan Izin IAM untuk Menggunakan Ground Truth](sms-security-permission.md)
Jika nama bucket input atau output tidak berisi`sagemaker`, Anda dapat melampirkan kebijakan yang mirip dengan yang berikut ini ke peran yang diteruskan ke `CreateLabelingJob` operasi.
------
#### [ 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/*"
]
}
]
}
```
------
+ Fungsi pra-anotasi dan pasca-anotasi (atau anotasi-konsolidasi) AWS Lambda Amazon Resource Name (ARN) untuk memproses data input dan output Anda.
+ Fungsi Lambda telah ditentukan sebelumnya di setiap AWS Wilayah untuk tipe tugas bawaan. Untuk menemukan Lambda ARN pra-anotasi untuk Wilayah Anda, lihat. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) Untuk menemukan Lambda ARN konsolidasi anotasi untuk Wilayah Anda, lihat. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)
+ Untuk alur kerja pelabelan khusus, Anda harus menyediakan Lambda ARN pra dan sesudah anotasi khusus. Untuk mempelajari cara membuat fungsi Lambda ini, lihat. [Memproses data dalam alur kerja pelabelan khusus dengan AWS Lambda](sms-custom-templates-step3.md)
+ ARN tim kerja yang Anda tentukan. `WorkteamArn` Anda menerima ARN tim kerja ketika Anda berlangganan tenaga kerja vendor atau membuat tim kerja pribadi. Jika Anda membuat pekerjaan pelabelan untuk bingkai video atau jenis tugas cloud titik, Anda tidak dapat menggunakan Amazon Mechanical Turk tenaga kerja. Untuk semua jenis tugas lainnya, untuk menggunakan tenaga kerja Mechanical Turk, gunakan ARN berikut. Ganti *`region`* dengan AWS Wilayah yang Anda gunakan untuk membuat pekerjaan pelabelan.
` arn:aws:sagemaker:region:394669845002:workteam/public-crowd/default`
Jika Anda menggunakan [Amazon Mechanical Turk tenaga kerja](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html), gunakan `ContentClassifiers` parameter `InputConfig` untuk menyatakan bahwa konten Anda bebas dari informasi pribadi dan konten dewasa. `DataAttributes`
Ground Truth *mengharuskan* data input Anda bebas dari informasi identitas pribadi (PII) jika Anda menggunakan tenaga kerja Mechanical Turk. Jika Anda menggunakan Mechanical Turk dan tidak menentukan bahwa data input Anda bebas dari PII menggunakan `FreeOfPersonallyIdentifiableInformation` bendera, pekerjaan pelabelan Anda akan gagal. Gunakan `FreeOfAdultContent` bendera untuk menyatakan bahwa data input Anda bebas dari konten dewasa. SageMaker AI dapat membatasi pekerja Amazon Mechanical Turk yang dapat melihat tugas Anda jika berisi konten dewasa.
Untuk mempelajari lebih lanjut tentang tim kerja dan tenaga kerja, lihat[Tenaga Kerja](sms-workforce-management.md).
+ Jika Anda menggunakan tenaga kerja Mechanical Turk, Anda harus menentukan harga yang akan Anda bayarkan kepada pekerja untuk melakukan satu tugas. `PublicWorkforceTaskPrice`
+ Untuk mengkonfigurasi tugas, Anda harus memberikan deskripsi tugas dan judul menggunakan `TaskDescription` dan `TaskTitle` masing-masing. Secara opsional, Anda dapat memberikan batas waktu yang mengontrol berapa lama pekerja harus mengerjakan tugas individu (`TaskTimeLimitInSeconds`) dan berapa lama tugas tetap ada di portal pekerja, tersedia untuk pekerja (`TaskAvailabilityLifetimeInSeconds`).
+ (Opsional) Untuk [beberapa jenis tugas](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html), Anda dapat meminta beberapa pekerja melabeli satu objek data dengan memasukkan angka yang lebih besar dari satu untuk `NumberOfHumanWorkersPerDataObject` parameter. Untuk informasi selengkapnya tentang konsolidasi anotasi, lihat. [Konsolidasi anotasi](sms-annotation-consolidation.md)
+ (Opsional) Untuk membuat pekerjaan pelabelan data otomatis, tentukan salah satu yang ARNs tercantum [LabelingJobAlgorithmSpecificationArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_LabelingJobAlgorithmsConfig.html)di`LabelingJobAlgorithmsConfig`. ARN ini mengidentifikasi algoritma yang digunakan dalam pekerjaan pelabelan data otomatis. Jenis tugas yang terkait dengan ARN ini harus cocok dengan jenis tugas `PreHumanTaskLambdaArn` dan yang `AnnotationConsolidationLambdaArn` Anda tentukan. Pelabelan data otomatis didukung untuk jenis tugas berikut: klasifikasi gambar, kotak pembatas, segmentasi semantik, dan klasifikasi teks. Jumlah minimum objek yang diizinkan untuk pelabelan data otomatis adalah 1.250, dan kami sangat menyarankan untuk menyediakan minimal 5.000 objek. Untuk mempelajari lebih lanjut tentang pekerjaan pelabelan data otomatis, lihat[Otomatiskan pelabelan data](sms-automated-labeling.md).
+ (Opsional) Anda dapat memberikan [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)penyebab pekerjaan pelabelan berhenti jika salah satu persyaratan terpenuhi. Anda dapat menggunakan kondisi berhenti untuk mengontrol biaya pekerjaan pelabelan.
## Contoh
Contoh kode berikut menunjukkan cara membuat pekerjaan pelabelan menggunakan`CreateLabelingJob`. Anda juga dapat melihat contoh buku catatan ini GitHub di [repositori Contoh SageMaker AI](https://github.com/aws/amazon-sagemaker-examples/tree/master/ground_truth_labeling_jobs).
------
#### [ AWS SDK untuk Python (Boto3) ]
Berikut ini adalah contoh [permintaan AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) untuk membuat pekerjaan pelabelan untuk tipe tugas bawaan di Wilayah AS Timur (Virginia N.) menggunakan tenaga kerja pribadi. Ganti semua *red-italized text* dengan sumber daya dan spesifikasi pekerjaan pelabelan Anda.
```
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 ]
[Berikut ini adalah contoh permintaan AWS CLI untuk membuat pekerjaan pelabelan untuk jenis tugas bawaan di Wilayah AS Timur (Virginia N.) menggunakan tenaga kerja Amazon Mechanical Turk.](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html) Untuk informasi selengkapnya, lihat [start-human-loop](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-labeling-job.html) dalam *[AWS CLI Referensi Perintah](https://docs.aws.amazon.com/cli/latest/reference/)*. Ganti semua *red-italized text* dengan sumber daya dan spesifikasi pekerjaan pelabelan Anda.
```
$ 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"
}
}'
```
------
Untuk informasi lebih lanjut tentang operasi ini, lihat [CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html). Untuk informasi tentang cara menggunakan bahasa khusus lainnya SDKs, lihat [Lihat Juga](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html#API_CreateLabelingJob_SeeAlso) di topik. `CreateLabelingJobs`
# Buat pekerjaan pelabelan streaming
Pekerjaan pelabelan streaming memungkinkan Anda mengirim objek data individual secara real time ke pekerjaan pelabelan streaming yang terus berjalan. Untuk membuat pekerjaan pelabelan streaming, Anda dapat menentukan *topik input Amazon SNS* ARN`SnsTopicArn`,, dalam parameter `InputConfig` saat membuat permintaan. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) Secara opsional, Anda juga dapat membuat topik *keluaran Amazon SNS* dan menentukannya `OutputConfig` jika Anda ingin menerima data label secara real time.
**penting**
Jika Anda adalah pengguna baru pekerjaan pelabelan streaming Ground Truth, Anda disarankan untuk meninjau [Pekerjaan pelabelan streaming Ground Truth](sms-streaming-labeling-job.md) sebelum membuat pekerjaan pelabelan streaming. Pekerjaan pelabelan streaming Ground Truth hanya didukung melalui SageMaker API.
Gunakan bagian berikut untuk membuat sumber daya yang Anda butuhkan dan dapat digunakan untuk membuat pekerjaan pelabelan streaming:
+ Pelajari cara membuat topik SNS dengan izin yang diperlukan untuk pekerjaan pelabelan streaming Ground Truth dengan mengikuti langkah-langkahnya. [Gunakan Topik Amazon SNS untuk Pelabelan Data](sms-create-sns-input-topic.md) Topik SNS Anda harus dibuat di AWS Wilayah yang sama dengan pekerjaan pelabelan Anda.
+ Lihat [Berlangganan Endpoint ke Topik Output Amazon SNS Anda](sms-create-sns-input-topic.md#sms-streaming-subscribe-output-topic) untuk mempelajari cara menyiapkan titik akhir untuk menerima data keluaran tugas pelabelan pada titik akhir yang ditentukan setiap kali tugas pelabelan selesai.
+ Untuk mempelajari cara mengonfigurasi bucket Amazon S3 Anda untuk mengirim notifikasi ke topik input Amazon SNS Anda, lihat. [Membuat notifikasi peristiwa bucket berbasis Amazon S3 berdasarkan Amazon SNS yang ditentukan dalam pekerjaan pelabelan](sms-streaming-s3-setup.md)
+ Secara opsional, tambahkan objek data yang ingin diberi label segera setelah pekerjaan pelabelan dimulai ke manifes masukan Anda. Untuk informasi selengkapnya, lihat [Buat File Manifest (Opsional)](sms-streaming-manifest.md).
+ Ada sumber daya lain yang diperlukan untuk membuat pekerjaan pelabelan, seperti peran IAM, bucket Amazon S3, templat tugas pekerja, dan kategori label. Ini dijelaskan dalam dokumentasi Ground Truth tentang pembuatan pekerjaan pelabelan. Untuk informasi selengkapnya, lihat [Buat Job Pelabelan](sms-create-labeling-job.md).
**penting**
Saat Anda membuat pekerjaan pelabelan, Anda harus memberikan peran eksekusi IAM. Lampirkan kebijakan AWS terkelola **AmazonSageMakerGroundTruthExecution**ke peran ini untuk memastikannya memerlukan izin untuk menjalankan pekerjaan pelabelan Anda.
Saat Anda mengirimkan permintaan untuk membuat pekerjaan pelabelan streaming, status pekerjaan pelabelan Anda adalah. `Initializing` Setelah pekerjaan pelabelan aktif, status berubah menjadi`InProgress`. Jangan mengirim objek data baru ke pekerjaan pelabelan Anda atau mencoba menghentikan pekerjaan pelabelan Anda saat berada dalam status. `Initializing` Setelah status berubah`InProgress`, Anda dapat mulai mengirim objek data baru menggunakan Amazon SNS dan konfigurasi Amazon S3.
**Topics**
+ [Gunakan Topik Amazon SNS untuk Pelabelan Data](sms-create-sns-input-topic.md)
+ [Membuat notifikasi peristiwa bucket berbasis Amazon S3 berdasarkan Amazon SNS yang ditentukan dalam pekerjaan pelabelan](sms-streaming-s3-setup.md)
+ [Buat File Manifest (Opsional)](sms-streaming-manifest.md)
+ [Membuat Job Pelabelan Streaming dengan API SageMaker](sms-streaming-create-labeling-job-api.md)
+ [Hentikan Pekerjaan Pelabelan Streaming](sms-streaming-stop-labeling-job.md)
# Gunakan Topik Amazon SNS untuk Pelabelan Data
Anda perlu membuat input Amazon SNS untuk membuat pekerjaan pelabelan streaming. Secara opsional, Anda dapat memberikan topik keluaran Amazon SNS.
Saat Anda membuat topik Amazon SNS untuk digunakan dalam pekerjaan pelabelan streaming Anda, catat topik Amazon Resource Name (ARN). ARN akan menjadi nilai masukan untuk parameter `SnsTopicArn` di `InputConfig` dan `OutputConfig` saat Anda membuat pekerjaan pelabelan.
## Buat Topik Masukan
Topik masukan Anda digunakan untuk mengirim objek data baru ke Ground Truth. Untuk membuat topik input, ikuti petunjuk dalam [Membuat topik Amazon SNS](https://docs.aws.amazon.com/sns/latest/dg/sns-create-topic.html) di Panduan Pengembang Layanan Pemberitahuan Sederhana Amazon.
Catat topik masukan ARN Anda dan gunakan sebagai masukan untuk `CreateLabelingJob` parameter `SnsTopicArn` di. `InputConfig`
## Buat Topik Keluaran
Jika Anda memberikan topik keluaran, ini digunakan untuk mengirim notifikasi saat objek data diberi label. Saat Anda membuat topik, Anda memiliki opsi untuk menambahkan kunci enkripsi. Gunakan opsi ini untuk menambahkan kunci yang dikelola AWS Key Management Service pelanggan ke topik Anda untuk mengenkripsi data keluaran pekerjaan pelabelan Anda sebelum dipublikasikan ke topik keluaran Anda.
Untuk membuat topik keluaran, ikuti petunjuk dalam [Membuat topik Amazon SNS](https://docs.aws.amazon.com/sns/latest/dg/sns-create-topic.html) di Panduan Pengembang Layanan Pemberitahuan Sederhana Amazon.
Jika Anda menambahkan enkripsi, Anda harus melampirkan izin tambahan ke topik. Lihat[Tambahkan Enkripsi ke Topik Output Anda (Opsional)](#sms-streaming-encryption). untuk informasi lebih lanjut.
**penting**
Untuk menambahkan kunci yang dikelola pelanggan ke topik keluaran Anda saat membuat topik di konsol, jangan gunakan alias/aws/sns opsi **(Default)**. Pilih kunci terkelola pelanggan yang Anda buat.
Catat topik masukan ARN Anda dan gunakan dalam `CreateLabelingJob` permintaan Anda di parameter `SnsTopicArn` di. `OutputConfig`
### Tambahkan Enkripsi ke Topik Output Anda (Opsional)
Untuk mengenkripsi pesan yang dipublikasikan ke topik keluaran, Anda perlu memberikan kunci terkelola AWS KMS pelanggan ke topik Anda. Ubah kebijakan berikut dan tambahkan ke kunci terkelola pelanggan Anda untuk memberikan izin Ground Truth untuk mengenkripsi data keluaran sebelum mempublikasikannya ke topik keluaran Anda.
Ganti *``* dengan ID akun yang Anda gunakan untuk membuat topik Anda. Untuk mempelajari cara menemukan ID AWS akun, lihat [Menemukan ID AWS Akun Anda](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": "*"
}
]
}
```
------
Selain itu, Anda harus mengubah dan menambahkan kebijakan berikut ke peran eksekusi yang Anda gunakan untuk membuat pekerjaan pelabelan (nilai masukan untuk`RoleArn`).
Ganti *``* dengan ID akun yang Anda gunakan untuk membuat topik Anda. Ganti *``* dengan AWS Wilayah yang Anda gunakan untuk membuat pekerjaan pelabelan Anda. Ganti `` dengan ID kunci terkelola pelanggan Anda.
------
#### [ 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"
}
]
}
```
------
Untuk informasi selengkapnya tentang membuat dan mengamankan kunci, lihat [Membuat Kunci](https://docs.aws.amazon.com/kms/latest/developerguide/create-keys.html) dan [Menggunakan Kebijakan Kunci](https://docs.aws.amazon.com/kms/latest/developerguide/key-policies.html) di Panduan AWS Key Management Service Pengembang.
## Berlangganan Endpoint ke Topik Output Amazon SNS Anda
Saat pekerja menyelesaikan tugas pekerjaan pelabelan dari pekerjaan pelabelan streaming Ground Truth, Ground Truth menggunakan topik keluaran Anda untuk mempublikasikan data keluaran ke satu atau beberapa titik akhir yang Anda tentukan. Untuk menerima pemberitahuan saat pekerja menyelesaikan tugas pelabelan, Anda harus berlangganan titik akhir ke topik keluaran Amazon SNS Anda.
Untuk mempelajari cara menambahkan titik akhir ke topik keluaran, lihat [Berlangganan topik Amazon SNS](https://docs.aws.amazon.com/sns/latest/dg/sns-create-subscribe-endpoint-to-topic.html) di Panduan Pengembang Layanan *Pemberitahuan Sederhana Amazon*.
Untuk mempelajari lebih lanjut tentang format data keluaran yang dipublikasikan ke titik akhir ini, lihat[Pelabelan data keluaran pekerjaan](sms-data-output.md).
**penting**
Jika Anda tidak berlangganan titik akhir ke topik keluaran Amazon SNS Anda, Anda tidak akan menerima pemberitahuan saat objek data baru diberi label.
# Membuat notifikasi peristiwa bucket berbasis Amazon S3 berdasarkan Amazon SNS yang ditentukan dalam pekerjaan pelabelan
Perubahan pada bucket Amazon S3 Anda, pemberitahuan peristiwa, diaktifkan baik konsol Amazon S3, API, bahasa AWS SDKs tertentu, atau. AWS Command Line Interface Acara harus menggunakan ARN topik masukan Amazon SNS yang sama`SnsTopicArn`, yang ditentukan dalam `InputConfig` parameter sebagai bagian dari permintaan Anda. `CreateLabelingJob`
**Notifikasi bucket Amazon S3 dan data input Anda tidak boleh sama dengan bucket Amazon S3**
Saat Anda membuat notifikasi acara, jangan gunakan lokasi Amazon S3 yang sama dengan yang Anda tentukan seperti `S3OutputPath` di `OutputConfig` parameter. Menautkan dua bucket dapat mengakibatkan objek data yang tidak diinginkan diproses oleh Ground Truth untuk pelabelan.
Anda mengontrol jenis acara yang ingin Anda kirim ke topik Amazon SNS Anda. Ground Truth menciptakan pekerjaan pelabelan saat Anda mengirim [acara pembuatan objek](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/enable-event-notifications.html#enable-event-notifications-types).
[Struktur acara yang dikirim ke topik input Amazon SNS Anda harus berupa pesan JSON yang diformat menggunakan struktur yang sama yang ditemukan dalam struktur pesan Acara.](https://docs.aws.amazon.com/AmazonS3/latest/dev/notification-content-structure.html)
*Untuk melihat contoh cara menyiapkan notifikasi peristiwa untuk bucket Amazon S3 menggunakan konsol Amazon S3, SDK AWS untuk .NET, dan SDK AWS for Java, ikuti panduan berikut, [Panduan: Konfigurasi bucket untuk notifikasi (topik SNS atau antrean SQS) di Panduan Pengguna Layanan Penyimpanan Sederhana](https://docs.aws.amazon.com/AmazonS3/latest/dev/ways-to-add-notification-config-to-bucket.html) Amazon.*
EventBridge Pemberitahuan Amazon tidak didukung secara asli. Untuk menggunakan notifikasi EventBridge berbasis, Anda harus memperbarui format output agar sesuai dengan format JSON yang digunakan dalam [struktur pesan Acara](https://docs.aws.amazon.com/AmazonS3/latest/dev/notification-content-structure.html).
# Buat File Manifest (Opsional)
Saat membuat pekerjaan pelabelan streaming, Anda memiliki opsi satu kali untuk menambahkan objek (seperti gambar atau teks) ke file manifes masukan yang Anda tentukan. `ManifestS3Uri` `CreateLabelingJob` Saat pekerjaan pelabelan streaming dimulai, objek ini dikirim ke pekerja atau ditambahkan ke antrian Amazon SQS jika jumlah total objek melebihi. `MaxConcurrentTaskCount` Hasilnya ditambahkan ke jalur Amazon S3 yang Anda tentukan saat membuat pekerjaan pelabelan secara berkala saat pekerja menyelesaikan tugas pelabelan. Data keluaran dikirim ke titik akhir mana pun yang Anda berlangganan ke topik keluaran Anda.
Jika Anda ingin memberikan objek awal yang akan diberi label, buat file manifes yang mengidentifikasi objek ini dan letakkan di Amazon S3. Tentukan URI S3 dari file manifes ini di `ManifestS3Uri` dalam`InputConfig`.
Untuk mempelajari cara memformat file manifes Anda, lihat[Data input](sms-data-input.md). Untuk menggunakan konsol SageMaker AI untuk membuat file manifes secara otomatis (tidak didukung untuk jenis tugas cloud titik 3D), lihat[Mengotomatiskan pengaturan data untuk pekerjaan pelabelan](sms-console-create-manifest-file.md).
# Membuat Job Pelabelan Streaming dengan API SageMaker
Berikut ini adalah contoh [permintaan AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) yang dapat Anda gunakan untuk memulai pekerjaan pelabelan streaming untuk jenis tugas bawaan di Wilayah AS Timur (Virginia Utara). Untuk detail lebih lanjut tentang setiap parameter di bawah ini lihat [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html). Untuk mempelajari cara membuat lowongan pelabelan menggunakan API ini dan bahasa terkait khusus SDKs, lihat [Membuat Job Pelabelan (API)](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-create-labeling-job-api.html).
Dalam contoh ini, perhatikan parameter berikut:
+ `SnsDataSource`— Parameter ini muncul di `InputConfig` dan `OutputConfig` dan digunakan untuk mengidentifikasi masukan dan output topik Amazon SNS Anda masing-masing. Untuk membuat pekerjaan pelabelan streaming, Anda diharuskan memberikan topik input Amazon SNS. Secara opsional, Anda juga dapat memberikan topik keluaran Amazon SNS.
+ `S3DataSource`— Parameter ini opsional. Gunakan parameter ini jika Anda ingin menyertakan file manifes masukan dari objek data yang ingin diberi label segera setelah pekerjaan pelabelan dimulai.
+ [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)— Parameter ini diabaikan saat Anda membuat pekerjaan pelabelan streaming. Untuk mempelajari lebih lanjut tentang menghentikan pekerjaan pelabelan streaming, lihat[Hentikan Pekerjaan Pelabelan Streaming](sms-streaming-stop-labeling-job.md).
+ Pekerjaan pelabelan streaming tidak mendukung pelabelan data otomatis. Jangan sertakan `LabelingJobAlgorithmsConfig` parameternya.
```
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'
},
]
)
```
# Hentikan Pekerjaan Pelabelan Streaming
Anda dapat menghentikan pekerjaan pelabelan streaming Anda secara manual menggunakan operasi [StopLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_StopLabelingJob.html).
Jika pekerjaan pelabelan Anda tetap menganggur selama lebih dari 10 hari, itu secara otomatis dihentikan oleh Ground Truth. Dalam konteks ini, pekerjaan pelabelan dianggap *menganggur* jika tidak ada objek yang dikirim ke topik input Amazon SNS dan tidak ada objek yang tersisa di antrian Amazon SQS Anda, menunggu untuk diberi label. Misalnya, jika tidak ada objek data yang diumpankan ke topik input Amazon SNS dan semua objek yang diumpankan ke pekerjaan pelabelan sudah diberi label, Ground Truth memulai pengatur waktu. Setelah timer dimulai, jika tidak ada item yang diterima dalam periode 10 hari, pekerjaan pelabelan dihentikan.
Saat pekerjaan pelabelan dihentikan, statusnya adalah `STOPPING` saat Ground Truth membersihkan sumber daya pekerjaan pelabelan dan berhenti berlangganan topik Amazon SNS Anda dari antrean Amazon SQS Anda. Amazon SQS *tidak* dihapus oleh Ground Truth karena antrian ini mungkin berisi objek data yang belum diproses. Anda harus menghapus antrian secara manual jika Anda ingin menghindari biaya tambahan dari Amazon SQS. Untuk mempelajari lebih lanjut, lihat [harga Amazon SQS.](https://aws.amazon.com/sqs/pricing/)
# Pelabelan file konfigurasi kategori dengan referensi kategori label dan atribut bingkai
Saat Anda membuat pekerjaan pelabelan cloud titik 3D atau bingkai video menggunakan operasi Amazon SageMaker API`CreateLabelingJob`, Anda menggunakan file konfigurasi kategori label untuk menentukan label dan instruksi pekerja. Secara opsional, Anda juga dapat memberikan yang berikut ini dalam file atribut kategori label Anda:
+ Anda dapat memberikan *atribut kategori label* untuk bingkai video dan pelacakan objek cloud titik 3D dan jenis tugas deteksi objek. Pekerja dapat menggunakan satu atau lebih atribut untuk memberikan informasi lebih lanjut tentang suatu objek. Misalnya, Anda mungkin ingin menggunakan atribut yang *tersumbat* agar pekerja mengidentifikasi ketika suatu objek terhalang sebagian. Anda dapat menentukan atribut kategori label untuk satu label menggunakan `categoryAttributes` parameter, atau untuk semua label yang menggunakan `categoryGlobalAttributes` parameter.
+ Anda dapat memberikan *atribut bingkai* untuk bingkai video dan pelacakan objek cloud titik 3D dan jenis tugas deteksi objek menggunakan`frameAttributes`. Saat Anda membuat atribut frame, atribut tersebut muncul di setiap frame atau point cloud dalam tugas pekerja. Dalam pekerjaan pelabelan bingkai video, ini adalah atribut yang ditetapkan pekerja ke seluruh bingkai video. Untuk pekerjaan pelabelan awan titik 3D, atribut ini diterapkan ke cloud titik tunggal. Gunakan atribut bingkai agar pekerja memberikan informasi lebih lanjut tentang pemandangan di frame atau cloud titik tertentu.
+ Untuk pekerjaan pelabelan bingkai video, Anda menggunakan file konfigurasi kategori label untuk menentukan jenis tugas (kotak pembatas, polyline, poligon, atau titik kunci) yang dikirim ke pekerja.
Untuk pekerja, menentukan nilai untuk atribut kategori label dan atribut bingkai akan menjadi opsional.
**penting**
Anda hanya harus memberikan nama atribut label `auditLabelAttributeName` jika Anda menjalankan tugas audit untuk memverifikasi atau menyesuaikan label. Gunakan parameter ini untuk memasukkan yang [LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName)digunakan dalam pekerjaan pelabelan yang menghasilkan anotasi yang ingin disesuaikan oleh pekerja Anda. Saat Anda membuat pekerjaan pelabelan di konsol, jika Anda tidak menentukan nama atribut label, **Nama** pekerjaan Anda digunakan sebagai. LabelAttributeName
Topik berikut menunjukkan contoh file konfigurasi kategori label untuk berbagai jenis pekerjaan pelabelan. Mereka juga menjelaskan skema dan kuota file konfigurasi kategori.
**Topics**
+ [Contoh: file konfigurasi kategori label untuk pekerjaan pelabelan cloud titik 3D](#sms-label-cat-config-attributes-3d-pc)
+ [Contoh: file konfigurasi kategori label untuk pekerjaan pelabelan bingkai video](#sms-label-cat-config-attributes-vid-frame)
+ [Skema file konfigurasi kategori label](#sms-label-cat-config-attributes-schema)
+ [Kuota atribut kategori label dan label](#sms-point-cloud-label-cat-limits)
## Contoh: file konfigurasi kategori label untuk pekerjaan pelabelan cloud titik 3D
Topik berikut menunjukkan contoh file konfigurasi kategori label cloud titik 3D untuk deteksi objek, pelacakan objek, segmentasi semantik, penyesuaian, dan pekerjaan pelabelan verifikasi.
**Topics**
+ [Contoh: Pelacakan objek awan titik 3D dan deteksi objek](#example-3d-point-cloud-object)
+ [Contoh: Segmentasi semantik awan titik 3D](#example-3d-point-cloud-semantic)
+ [Contoh: Penyesuaian awan titik 3D](#example-3d-point-cloud-adjustment)
+ [Contoh: Verifikasi cloud titik 3D](#example-3d-point-cloud-verification)
### Contoh: Pelacakan objek awan titik 3D dan deteksi objek
Berikut ini adalah contoh file konfigurasi kategori label yang menyertakan atribut kategori label untuk deteksi objek cloud titik 3D atau pekerjaan pelabelan pelacakan objek. Contoh ini mencakup dua atribut bingkai, yang akan ditambahkan ke semua awan titik yang dikirimkan ke pekerjaan pelabelan. `Car`Label akan mencakup empat atribut kategori label— `X``Y`,`Z`,, dan atribut 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":""}
}
```
### Contoh: Segmentasi semantik awan titik 3D
Berikut ini adalah contoh file konfigurasi kategori label untuk pekerjaan pelabelan segmentasi semantik cloud titik 3D.
Atribut kategori label tidak didukung untuk jenis tugas segmentasi semantik cloud titik 3D. Atribut bingkai didukung. Jika Anda memberikan atribut kategori label untuk pekerjaan pelabelan segmentasi semantik, atribut tersebut akan diabaikan.
```
{
"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":""}
}
```
### Contoh: Penyesuaian awan titik 3D
Berikut ini adalah contoh file konfigurasi kategori label untuk deteksi objek cloud titik 3D atau pekerjaan pelabelan penyesuaian pelacakan objek. Untuk pekerjaan pelabelan penyesuaian segmentasi semantik cloud titik 3D, `categoryGlobalAttributes` dan `categoryAttributes` tidak didukung.
Anda harus menyertakan `auditLabelAttributeName` untuk menentukan nama atribut label dari pekerjaan pelabelan sebelumnya yang Anda gunakan untuk membuat pekerjaan pelabelan penyesuaian. Secara opsional, Anda dapat menggunakan `editsAllowed` parameter untuk menentukan apakah atribut label atau bingkai dapat diedit atau tidak.
```
{
"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"
}
```
### Contoh: Verifikasi cloud titik 3D
Berikut ini adalah contoh file konfigurasi kategori label yang dapat Anda gunakan untuk deteksi objek cloud titik 3D atau pekerjaan pelabelan verifikasi pelacakan objek. Untuk pekerjaan pelabelan verifikasi segmentasi semantik cloud titik 3D, `categoryGlobalAttributes` dan `categoryAttributes` tidak didukung.
Anda harus menyertakan `auditLabelAttributeName` untuk menentukan nama atribut label dari pekerjaan pelabelan sebelumnya yang Anda gunakan untuk membuat pekerjaan pelabelan verifikasi. Selain itu, Anda harus menggunakan `editsAllowed` parameter untuk menentukan bahwa tidak ada label yang dapat diedit.
```
{
"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"
}
```
## Contoh: file konfigurasi kategori label untuk pekerjaan pelabelan bingkai video
Alat anotasi yang tersedia untuk pekerja Anda dan jenis tugas yang digunakan bergantung pada nilai yang Anda tentukan`annotationType`. Misalnya, jika Anda ingin pekerja menggunakan poin kunci untuk melacak perubahan pose objek tertentu di beberapa frame, Anda akan menentukan `Keypoint` untuk`annotationType`. Jika Anda tidak menentukan jenis anotasi, `BoundingBox` akan digunakan secara default.
Topik berikut menunjukkan contoh file konfigurasi kategori bingkai video.
**Topics**
+ [Contoh: keypoint bingkai video](#example-video-frame-keypoint)
+ [Contoh: penyesuaian bingkai video](#example-video-frame-adjustment)
+ [Contoh: verifikasi bingkai video](#example-video-frame-verification)
### Contoh: keypoint bingkai video
Berikut ini adalah contoh file konfigurasi kategori label keypoint bingkai video dengan atribut kategori label. Contoh ini mencakup dua atribut bingkai, yang akan ditambahkan ke semua frame yang dikirimkan ke pekerjaan pelabelan. `Car`Label akan mencakup empat atribut kategori label— `X``Y`,`Z`,, dan atribut 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":""}
}
```
### Contoh: penyesuaian bingkai video
Berikut ini adalah contoh file konfigurasi kategori label yang dapat Anda gunakan untuk pekerjaan pelabelan penyesuaian bingkai video.
Anda harus menyertakan `auditLabelAttributeName` untuk menentukan nama atribut label dari pekerjaan pelabelan sebelumnya yang Anda gunakan untuk membuat pekerjaan pelabelan verifikasi. Secara opsional, Anda dapat menggunakan `editsAllowed` parameter untuk menentukan apakah label, atribut kategori label, atau atribut bingkai dapat diedit atau tidak.
```
{
"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"
}
```
### Contoh: verifikasi bingkai video
Berikut ini adalah contoh file konfigurasi kategori label untuk pekerjaan pelabelan bingkai video.
Anda harus menyertakan `auditLabelAttributeName` untuk menentukan nama atribut label dari pekerjaan pelabelan sebelumnya yang Anda gunakan untuk membuat pekerjaan pelabelan verifikasi. Selain itu, Anda harus menggunakan `editsAllowed` parameter untuk menentukan bahwa tidak ada label yang dapat diedit.
```
{
"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"
}
```
## Skema file konfigurasi kategori label
Tabel berikut mencantumkan elemen yang dapat dan harus Anda sertakan dalam file konfigurasi kategori label Anda.
**catatan**
Parameter hanya `annotationType` didukung untuk pekerjaan pelabelan bingkai video.
****
| Parameter | Diperlukan | Nilai yang Diterima | Deskripsi |
| --- | --- | --- | --- |
| frameAttributes | Tidak | Daftar objek JSON. **Parameter yang Diperlukan di setiap Objek JSON:** `name`, `type`, `description` `minimum``maximum`dan diperlukan `type` jika `"number"` **Parameter Opsional di setiap Objek JSON:** `enum`, `editsAllowed`, `isRequired` | Gunakan parameter ini untuk membuat atribut bingkai yang diterapkan ke semua frame atau awan titik 3D dalam pekerjaan pelabelan Anda.Lihat tabel ketiga di bagian ini untuk informasi lebih lanjut. |
| categoryGlobalAttributes | Tidak | Daftar objek JSON. **Parameter yang Diperlukan di setiap Objek JSON:** `name`, `type` `minimum``maximum`dan diperlukan `type` jika `"number"` **Parameter Opsional di setiap Objek JSON:** `description`, `enum`, `editsAllowed`, `isRequired` | Gunakan parameter ini untuk membuat atribut kategori label yang diterapkan ke semua label yang Anda tentukan`labels`. Lihat tabel ketiga di bagian ini untuk informasi lebih lanjut. |
| labels | Ya | Daftar hingga 30 objek JSON **Parameter yang Diperlukan di setiap Objek JSON:** `label` **Parameter Opsional di setiap Objek JSON:** `categoryAttributes`, `editsAllowed` | Gunakan parameter ini untuk menentukan label, atau kelas Anda. Tambahkan satu `label` untuk setiap kelas. Untuk menambahkan atribut kategori label ke label, tambahkan `categoryAttributes` label tersebut. Gunakan `editsAllowed` untuk menentukan apakah label dapat diedit dalam pekerjaan pelabelan penyesuaian atau tidak. Setel `editsAllowed` ke `"none"` untuk pekerjaan pelabelan verifikasi. Lihat tabel berikut untuk informasi lebih lanjut. |
| annotationType(hanya didukung untuk pekerjaan pelabelan bingkai video) | Tidak | String **Parameter yang Diterima:** `BoundingBox`, `Polyline`, `Polygon`, `Keypoint` **Default:** `BoundingBox` | Gunakan ini untuk menentukan jenis tugas untuk pekerjaan pelabelan bingkai video Anda. Misalnya, untuk tugas deteksi objek bingkai video poligon, pilih`Polygon`. Jika Anda tidak menentukan `annotationType` kapan Anda membuat pekerjaan pelabelan bingkai video, Ground Truth akan digunakan secara `BoundingBox` default. |
| instructions | Tidak | Sebuah objek JSONParameter yang Diperlukan di setiap Objek JSON:`"shortInstruction"`, `"fullInstruction"` | Gunakan parameter ini untuk menambahkan instruksi pekerja untuk membantu pekerja Anda menyelesaikan tugas mereka. Untuk informasi selengkapnya tentang instruksi pekerja, lihat[Instruksi pekerja](sms-point-cloud-general-information.md#sms-point-cloud-worker-instructions-general). Instruksi singkat harus di bawah 255 karakter dan instruksi panjang harus di bawah 2.048 karakter. Untuk informasi selengkapnya, lihat [Buat halaman instruksi](sms-creating-instruction-pages.md). |
| auditLabelAttributeName | Diperlukan untuk jenis tugas penyesuaian dan verifikasi | String | Masukkan yang [LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName)digunakan dalam pekerjaan pelabelan yang ingin Anda sesuaikan anotasi. Gunakan parameter ini hanya jika Anda membuat pekerjaan penyesuaian untuk bingkai video dan deteksi objek cloud titik 3D, pelacakan objek, atau segmentasi semantik cloud titik 3D. |
### Label skema objek
Tabel berikut menjelaskan parameter yang dapat dan harus Anda gunakan untuk membuat daftar`Labels`. Setiap parameter harus disertakan dalam objek JSON.
****
| Parameter | Diperlukan | Nilai yang Diterima | Deskripsi |
| --- | --- | --- | --- |
| label | Ya | String | Nama kategori label yang ditampilkan kepada pekerja. Setiap nama kategori label harus unik. |
| categoryAttributes | Tidak | Daftar objek JSON. **Parameter yang Diperlukan di setiap Objek JSON:** `name`, `type` `minimum`dan `maximum` diperlukan `type` jika `"number"` **Parameter Opsional di setiap Objek JSON:** `description`, `enum`, `editsAllowed`, `isRequired` | Gunakan parameter ini untuk menambahkan atribut kategori label ke label tertentu yang Anda tentukan`labels`. Untuk menambahkan satu atau beberapa atribut kategori label ke label, sertakan objek `categoryAttributes` JSON dalam objek `labels` JSON yang sama seperti itu. `label`Lihat tabel berikut untuk informasi lebih lanjut. |
| editsAllowed | Tidak | String **Nilai yang Didukung**: `"none"`: tidak ada modifikasi yang tidak diizinkan. atau `"any"`(Default): semua modifikasi diperbolehkan. | Menentukan apakah atau tidak label dapat diedit oleh pekerja. Untuk pekerjaan pelabelan *penyesuaian* awan bingkai video atau titik 3D, tambahkan parameter ini ke satu atau beberapa objek JSON dalam `labels` daftar untuk menentukan apakah pekerja dapat mengedit label atau tidak. Untuk pekerjaan pelabelan *verifikasi* cloud titik 3D dan bingkai video, tambahkan parameter ini dengan nilai `"none"` ke setiap objek JSON dalam daftar. `labels` Ini akan membuat semua label tidak dapat diedit. |
### FrameAttributes dan skema categoryGlobalAttributes
Tabel berikut menjelaskan parameter yang dapat dan harus Anda gunakan untuk membuat atribut frame menggunakan `frameAttributes` dan label kategori atribut menggunakan `categoryGlobalAttributes` dan `categoryAttributes` parameter.
****
| Parameter | Diperlukan | Nilai yang Diterima | Deskripsi |
| --- | --- | --- | --- |
| name | Ya | String | Gunakan parameter ini untuk menetapkan nama ke kategori label atau atribut bingkai Anda. Ini adalah nama atribut yang dilihat pekerja. Setiap nama atribut kategori label dalam file konfigurasi kategori label Anda harus unik. Atribut kategori label global dan atribut kategori label khusus label tidak dapat memiliki nama yang sama. |
| type | Ya | String **Nilai yang Diperlukan**: `"string"` atau `"number"` | Gunakan parameter ini untuk menentukan kategori label atau jenis atribut bingkai. Jika Anda menentukan `"string"` `type` dan memberikan `enum` nilai untuk atribut ini, pekerja akan dapat memilih dari salah satu pilihan yang Anda berikan. Jika Anda menentukan `"string"` untuk `type` dan tidak memberikan `enum` nilai, pekerja dapat memasukkan teks formulir gratis. Jika Anda menentukan `number` untuk`type`, pekerja dapat memasukkan nomor antara `minimum` dan `maximum` angka yang Anda tentukan. |
| enum | Tidak | Daftar string | Gunakan parameter ini untuk menentukan opsi yang dapat dipilih pekerja untuk kategori label atau atribut bingkai ini. Pekerja dapat memilih satu nilai yang ditentukan dalam`enum`. Misalnya, jika Anda menentukan`["foo", "buzz", "bar"`] for`enum`, pekerja dapat memilih salah satu dari`foo`,`buzz`, atau`bar`. Anda harus menentukan `"string"` `type` untuk menggunakan `enum` daftar. |
| description | `frameAttributes`: Ya `categoryAttributes`atau`categoryGlobalAttributes`: Tidak | String | Gunakan parameter ini untuk menambahkan deskripsi kategori label atau atribut bingkai. Anda dapat menggunakan bidang ini untuk memberi pekerja informasi lebih lanjut tentang atribut. Bidang ini hanya diperlukan untuk atribut bingkai. |
| minimum dan maximum | Diperlukan jika atribut type "number" | Bilangan bulat | Gunakan parameter ini untuk menentukan nilai minimum dan maksimum (inklusif) yang dapat dimasukkan pekerja untuk kategori label numerik atau atribut bingkai. Anda harus menentukan `"number"` `type` untuk digunakan `minimum` dan`maximum`. |
| editsAllowed | Tidak | String **Nilai yang Diperlukan**: `"none"`: tidak ada modifikasi yang tidak diizinkan. atau `"any"`(Default): semua modifikasi diperbolehkan. | Menentukan apakah atau tidak kategori label atau atribut frame dapat diedit oleh pekerja. Untuk pekerjaan *penyesuaian* awan dan *verifikasi* bingkai video atau titik 3D, tambahkan parameter ini ke kategori label dan objek JSON atribut bingkai untuk menentukan apakah pekerja dapat mengedit atribut atau tidak. |
| isRequired | Tidak | Boolean | Menentukan apakah pekerja diperlukan untuk membubuhi keterangan atribut. Pekerja tidak dapat mengirimkan pekerjaan sampai semua atribut yang diperlukan dianotasi. |
## Kuota atribut kategori label dan label
Anda dapat menentukan hingga 10 atribut kategori label per kelas. Kuota 10-atribut ini mencakup atribut kategori label global. Misalnya, jika Anda membuat empat atribut kategori label global, lalu menetapkan tiga atribut kategori label ke label`X`, label tersebut akan memiliki total 4\$13=7 atribut kategori label. Untuk semua kategori label dan batas atribut kategori label, lihat tabel berikut.
****
| Tipe | Min | Maks |
| --- | --- | --- |
| Label (`Labels`) | 1 | 30 |
| Kuota karakter nama label | 1 | 16 |
| Atribut kategori label per label (jumlah `categoryAttributes` dan`categoryGlobalAttributes`) | 0 | 10 |
| Atribut kategori label entri teks formulir gratis per label (jumlah `categoryAttributes` dan`categoryGlobalAttributes`). | 0 | 5 |
| Atribut bingkai | 0 | 10 |
| Atribut entri teks formulir gratis di`frameAttributes`. | 0 | 5 |
| Nama atribut kuota karakter () `name` | 1 | 16 |
| Deskripsi atribut kuota karakter () `description` | 0 | 128 |
| Atribut tipe karakter kuota () `type` | 1 | 16 |
| Nilai yang diizinkan dalam `enum` daftar untuk `string` atribut | 1 | 10 |
| Kuota karakter untuk nilai dalam daftar `enum` | 1 | 16 |
| Karakter maksimum dalam respons teks formulir bebas untuk teks formulir gratis frameAttributes | 0 | 1000 |
| Karakter maksimum dalam respons teks formulir bebas untuk teks formulir gratis categoryAttributes dan categoryGlobalAttributes | 0 | 80 |