Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Utilizzare lo schema JSON per condizioni attivazione del ciclo umano con Amazon Rekognition Se utilizzata con Amazon A2I, l'operazione `DetectModerationLabels` Amazon Rekognition supporta i seguenti input nel parametro `ConditionType`: + `ModerationLabelConfidenceCheck`: utilizza questo tipo di condizione per creare un ciclo umano quando l’attendibilità dell’inferenza è bassa per una o più etichette specificate. + `Sampling`: utilizza questa condizione per specificare una percentuale di tutte le inferenze da inviare agli esseri umani per la revisione. Utilizzare questa condizione per effettuare le seguenti operazioni: + Controllare il modello ML campionando casualmente tutte le inferenze del modello e inviando una percentuale specificata agli esseri umani per la revisione. + Utilizzando la condizione `ModerationLabelConfidenceCheck`, campionare casualmente una percentuale di inferenze che ha soddisfatto le condizioni specificate in `ModerationLabelConfidenceCheck` per avviare un ciclo umano e inviare solo la percentuale specificata agli esseri umani per la revisione. **Nota** Se invii la stessa richiesta ad `DetectModerationLabels` più volte, il risultato di `Sampling` non cambia per l'inferenza dell'input. Ad esempio, se effettui una richiesta `DetectModerationLabels` una volta e `Sampling` non avvia un ciclo umano, le richieste `DetectModerationLabels` successive con la stessa configurazione non avviano un ciclo umano. Quando crei una definizione di flusso, se utilizzi il modello di task di lavoro predefinito fornito nella sezione **Flussi di lavoro di revisione umana** della console Amazon SageMaker AI, le inferenze inviate per la revisione umana da queste condizioni di attivazione vengono incluse nell'interfaccia utente del lavoratore quando un lavoratore apre l'attività. Se usi un modello di attività del worker personalizzato, devi includere l'elemento HTML `` personalizzato per accedere a queste inferenze. Per un esempio di modello personalizzato che utilizza questo elemento HTML, consulta [Esempio di modello personalizzato per Amazon Rekognition](a2i-custom-templates.md#a2i-custom-templates-rekognition-sample). ## Input `ModerationLabelConfidenceCheck` Per il `ConditionType` `ModerationLabelConfidenceCheck`, sono supportati i seguenti `ConditionParameters`: + `ModerationLabelName`— Il nome esatto (con distinzione tra maiuscole e minuscole) di un oggetto [ModerationLabel](https://docs.aws.amazon.com/rekognition/latest/dg/API_ModerationLabel.html)rilevato dall'operazione Amazon Rekognition. `DetectModerationLabels` È possibile specificare il valore catch-all speciale (\*) per indicare qualsiasi etichetta di moderazione. + `ConfidenceEquals` + `ConfidenceLessThan` + `ConfidenceLessThanEquals` + `ConfidenceGreaterThan` + `ConfidenceGreaterThanEquals` Quando usi `ModerationLabelConfidenceCheck` `ConditionType`, Amazon A2I invia le inferenze per le etichette specificate in `ModerationLabelName` per la revisione umana. ## Input di campionamento Il `Sampling` `ConditionType` supporta il `RandomSamplingPercentage` `ConditionParameters`. L'input per il parametro `RandomSamplingPercentage` deve essere un numero reale compreso tra 0,01 e 100. Questo numero rappresenta la percentuale di inferenze che si qualifica per la revisione umana e viene inviata agli esseri umani per la revisione. Se usi la condizione `Sampling` senza altre condizioni, questo numero rappresenta la percentuale di tutte le inferenze risultanti da una singola richiesta `DetectModerationLabel` inviata agli esseri umani per la revisione. ## Esempi **Esempio 1: utilizzo di `ModerationLabelConfidenceCheck` con l'operatore `And`** L'esempio seguente di condizione `HumanLoopActivationConditions` avvia un ciclo umano quando vengono soddisfatte una o più delle seguenti condizioni: + Amazon Rekognition rileva l'etichetta di moderazione `Graphic Male Nudity` con un’attendibilità compresa tra 90 e 99. + Amazon Rekognition rileva l'etichetta di moderazione `Graphic Female Nudity` con un’attendibilità compresa tra 80 e 99. Osserva l'uso degli operatori logici `Or` e `And` per modellare questa logica. Sebbene solo una delle due condizioni riportate sotto l'operatore `Or` deve essere `true` per poter creare un ciclo umano, IA aumentata Amazon valuta tutte le condizioni. Ai revisori umani viene chiesto di rivedere le etichette di moderazione per tutte le condizioni che sono state valutate come `true`. ``` { "Conditions": [{ "Or": [{ "And": [{ "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Male Nudity", "ConfidenceLessThanEquals": 99 } }, { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Male Nudity", "ConfidenceGreaterThanEquals": 90 } } ] }, { "And": [{ "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Female Nudity", "ConfidenceLessThanEquals": 99 } }, { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Female Nudity", "ConfidenceGreaterThanEquals": 80 } } ] } ] }] } ``` **Esempio 2: utilizzo di `ModerationLabelConfidenceCheck` con il valore generico (\*) ** Nell'esempio seguente, se viene rilevata un'etichetta di moderazione con un livello di attendibilità superiore o uguale a 75, viene avviato un ciclo umano. Ai revisori umani viene chiesto di rivedere tutte le etichette di moderazione con punteggi di attendibilità superiori o uguali a 75. ``` { "Conditions": [ { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "*", "ConfidenceGreaterThanEquals": 75 } } ] } ``` **Esempio 3: utilizzare il campionamento** Nell'esempio seguente, il 5% delle inferenze Amazon Rekognition da una richiesta `DetectModerationLabels` sarà inviato ai worker umani. Quando si utilizza il modello di task di lavoro predefinito fornito nella console SageMaker AI, tutte le etichette di moderazione restituite da Amazon Rekognition vengono inviate ai lavoratori per la revisione. ``` { "Conditions": [ { "ConditionType": "Sampling", "ConditionParameters": { "RandomSamplingPercentage": 5 } } ] } ``` **Esempio 4: utilizzo del campionamento e di `ModerationLabelConfidenceCheck` con l'operatore `And`** In questo esempio, il 5% delle inferenze Amazon Rekognition dell'etichetta di moderazione `Graphic Male Nudity` con una attendibilità superiore a 50 verrà inviato ai worker per la revisione. Quando si utilizza il modello di task di lavoro predefinito fornito nella console SageMaker AI, solo le inferenze dell'`Graphic Male Nudity`etichetta vengono inviate ai lavoratori per la revisione. ``` { "Conditions": [ { "And": [ { "ConditionType": "Sampling", "ConditionParameters": { "RandomSamplingPercentage": 5 } }, { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Male Nudity", "ConfidenceGreaterThan": 50 } } ] } ] } ``` **Esempio 5: utilizzo del campionamento e di `ModerationLabelConfidenceCheck` con l'operatore `And`** Utilizza questo esempio per configurare il flusso di lavoro di revisione umana per inviare sempre le inferenze a bassa attendibilità di un'etichetta specificata per la revisione umana e campionare l'inferenza ad alta attendibilità di un'etichetta a una percentuale specificata. Nell'esempio seguente, una revisione umana viene avviata in uno dei seguenti modi: + Le inferenze per l'etichetta di moderazione `Graphic Male Nudity` con punteggi di attendibilità inferiori a 60 vengono sempre inviate per la revisione umana. Solo l'etichetta `Graphic Male Nudity` viene inviata ai worker per la revisione. + Il 5% di tutte le inferenze per l'etichetta di moderazione `Graphic Male Nudity` con punteggi di attendibilità superiori a 90 sarà inviato per la revisione umana. Solo l'etichetta `Graphic Male Nudity` viene inviata ai worker per la revisione. ``` { "Conditions": [ { "Or": [ { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Male Nudity", "ConfidenceLessThan": 60 } }, { "And": [ { "ConditionType": "Sampling", "ConditionParameters": { "RandomSamplingPercentage": 5 } }, { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Male Nudity", "ConfidenceGreaterThan": 90 } } ] } ] } ] } ``` **Esempio 6: utilizzo del campionamento e di `ModerationLabelConfidenceCheck` con l'operatore `Or`** Nell'esempio seguente, viene creato un ciclo umano se la risposta dell'inferenza Amazon Rekognition contiene l'etichetta "Graphic Male Nudity" con attendibilità di inferenza superiore a 50. Inoltre, il 5% di tutte le altre inferenze avvierà un ciclo umano. ``` { "Conditions": [ { "Or": [ { "ConditionType": "Sampling", "ConditionParameters": { "RandomSamplingPercentage": 5 } }, { "ConditionType": "ModerationLabelConfidenceCheck", "ConditionParameters": { "ModerationLabelName": "Graphic Male Nudity", "ConfidenceGreaterThan": 50 } } ] } ] } ```