本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用人工循環啟動條件 JSON 結構描述與 Amazon Rekognition
<a name="a2i-json-humantaskactivationconditions-rekognition-example"></a>

搭配使用 Amazon A2I，Amazon Rekognition `DetectModerationLabels` 操作支援在 `ConditionType` 參數中的下列輸入：
+ `ModerationLabelConfidenceCheck` – 當一個或多個指定標籤的推論可信度很低時，使用此條件類型來建立人工循環。
+ `Sampling` – 使用此條件，可指定要傳送以供人工審核的所有推論百分比。使用此條件來執行下列動作：
  + 稽核機器學習 (ML) 模型，方法是隨機抽樣所有模型的推論，並傳送指定的百分比以供人工審核。
  + 使用 `ModerationLabelConfidenceCheck` 條件，隨機取樣符合 `ModerationLabelConfidenceCheck` 所指定條件的一定百分比的推論，以啟動人工循環，並僅傳送指定的百分比供人工審核。

**注意**  
如果多次向 `DetectModerationLabels` 傳送相同的請求，`Sampling` 的結果不會隨著該輸入的推論而改變。例如，如果您發出一次 `DetectModerationLabels` 請求，且 `Sampling` 不啟動人工循環，則使用相同組態對 `DetectModerationLabels` 發出的後續請求將不會觸發人工循環。

建立流程定義時，如果您使用 Amazon SageMaker AI 主控台的**人工審核工作流程**區段中提供的預設工作者任務範本，則當工作者開啟您的任務時，依這些啟動條件傳送供人工審核的推論會包含在工作者使用者介面中。如果您使用自訂工作者任務範本，則需要包含 `<task.input.selectedAiServiceResponse.blocks>` 自訂 HTML 元素才能存取這些推論。如需使用此 HTML 元素的自訂範本範例，請參閱[Amazon Rekognition 的自訂範本範例](a2i-custom-templates.md#a2i-custom-templates-rekognition-sample)。

## `ModerationLabelConfidenceCheck` 輸入
<a name="a2i-rek-moderationlabelconfidencecheck"></a>

對於 `ModerationLabelConfidenceCheck`，`ConditionType` 支援下列 `ConditionParameters`：
+ `ModerationLabelName` – Amazon Rekognition `DetectModerationLabels` 作業偵測到的 [ModerationLabel](https://docs.aws.amazon.com/rekognition/latest/dg/API_ModerationLabel.html) 的確切 (區分大小寫) 名稱。您可以指定特殊囊括值 (\*) 來表示任何審核標籤。
+ `ConfidenceEquals`
+ `ConfidenceLessThan`
+ `ConfidenceLessThanEquals`
+ `ConfidenceGreaterThan`
+ `ConfidenceGreaterThanEquals`

當您使用 `ModerationLabelConfidenceCheck` `ConditionType` 時，Amazon A2I 會為您在 `ModerationLabelName` 中指定的標籤傳送標籤推論以供人工審核。

## 取樣輸入
<a name="a2i-rek-randomsamplingpercentage"></a>

`Sampling` `ConditionType` 支援 `RandomSamplingPercentage``ConditionParameters`。`RandomSamplingPercentage` 參數的輸入必須是介於 0.01 到 100 之間的實數。這個數字代表的推論百分比符合人工審核的資格，且將傳送以供人工審核。如果您在沒有任何其他條件的情況下使用 `Sampling` 條件，則此數字代表來自單一 `DetectModerationLabel` 請求的所有推論百分比，將傳送該請求以供人工審核。

## 範例
<a name="a2i-json-rek-activation-condition-examples"></a>

**範例 1：搭配使用 `ModerationLabelConfidenceCheck` 與 `And` 運算子**

當符合下列一或多個條件時，`HumanLoopActivationConditions` 條件的下列範例會啟動人工循環：
+ Amazon Rekognition 偵測可信度在 90 到 99 之間的 `Graphic Male Nudity` 審核標籤。
+ Amazon Rekognition 偵測可信度在 80 到 99 之間的 `Graphic Female Nudity` 審核標籤。

請注意，我們使用 `Or` 和 `And` 邏輯運算子來模擬此邏輯。

雖然在 `Or` 運算子下，兩個條件的任何一個需要評估為 `true`，才會建立一個人工循環，但 Amazon 增強版 AI 會評估所有條件。對於評估為 `true` 的所有條件，人工審核者必須對審核標籤進行審核。

```
{
     "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
                         }
                     }
                 ]
             }
         ]
     }]
}
```

**範例 2：`ModerationLabelConfidenceCheck` 與全部擷取值搭配使用 (\*)**

在下列範例中，如果偵測到任何審核標籤的可信度大於或等於 75，則會啟動人工循環。人工審核者必須審核可信度分數大於或等於 75 的所有審核標籤。

```
{
    "Conditions": [
        {
            "ConditionType": "ModerationLabelConfidenceCheck",
            "ConditionParameters": {
                "ModerationLabelName": "*",
                "ConfidenceGreaterThanEquals": 75
            }
        }
    ]
}
```

**範例 3：使用取樣**

在下面的範例中，來自 `DetectModerationLabels` 請求的 Amazon Rekognition 推論中，有 5％ 將傳送給人力工作者。使用 SageMaker AI 主控台中提供的預設工作者任務範本時，Amazon Rekognition 傳回的所有審核標籤都會傳送給工作者進行審核。

```
{
  "Conditions": [
    {
      "ConditionType": "Sampling",
      "ConditionParameters": {
        "RandomSamplingPercentage": 5
      }
    }
  ]
}
```

**範例 4：使用取樣並且 `ModerationLabelConfidenceCheck` 搭配使用 `And` 運算子**

在此範例中，`Graphic Male Nudity` 審核標籤的 Amazon Rekognition 推論中有 5% 的可信度大於 50，此比例的推論將傳送給工作者審核。使用 SageMaker AI 主控台中提供的預設工作者任務範本時，只會將 `Graphic Male Nudity` 標籤傳送給工作者進行審核。

```
{
  "Conditions": [
    {
      "And": [
        {
          "ConditionType": "Sampling",
          "ConditionParameters": {
            "RandomSamplingPercentage": 5
          }
        },
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceGreaterThan": 50
          }
        }
      ]
    }
  ]
}
```

**範例 5：使用取樣和具有 `And` 運算子的 `ModerationLabelConfidenceCheck`**

使用此範例來設定人工審核工作流程，使其一律傳送指定標籤的低可信度推論，以供人工審核，並以指定的速率對標籤的高可信度推論進行取樣。

在下列範例中，人工審核的啟動方式是以下其中一種：
+ 可信度分數小於 60 的 `Graphic Male Nudity` 審核標籤推論一律會傳送以供人工審核。只會將 `Graphic Male Nudity` 標籤傳送給工作者審核。
+ `Graphic Male Nudity` 審核標籤的所有推論中，有 5% 的可信度分數大於 90，將會傳送此比例的推論供人工審核。只會將 `Graphic Male Nudity` 標籤傳送給工作者審核。

```
{
  "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
                    }
                }
            ]
        }
      ]
    }
  ]
}
```

**範例 6：使用取樣並且 `ModerationLabelConfidenceCheck` 搭配使用 `Or` 運算子**

在下列範例中，如果 Amazon Rekognition 推論回應包含推論可信度大於 50 的 '圖形男性裸體' 標籤，則會建立人工循環。此外，所有其他推論中有 5％ 將啟動一個人工循環。

```
{
  "Conditions": [
    {
      "Or": [
        {
          "ConditionType": "Sampling",
          "ConditionParameters": {
            "RandomSamplingPercentage": 5
          }
        },
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceGreaterThan": 50
          }
        }
      ]
    }
  ]
}
```