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。

# 建立 3D 點雲語意分割標籤工作
<a name="sms-point-cloud-semantic-segmentation-create-labeling-job"></a>

您可以使用 SageMaker AI 主控台或 API 作業 ([https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html))，以建立 3D 點雲標籤工作。若要為此任務類型建立標籤工作，您需要下列項目：
+ 單一影格輸入資訊清單檔案。若要了解如何建立這種資訊清單檔案，請參閱[建立點雲影格輸入資訊清單檔案](sms-point-cloud-single-frame-input-data.md)。如果您是 Ground Truth 3D 點雲標籤模式的新使用者，我們建議您檢閱[接受的原始 3D 資料格式](sms-point-cloud-raw-data-types.md)。
+ 由私有或廠商人力資源組成的工作團隊。您不能使用 Amazon Mechanical Turk 工作者來處理 3D 點雲標籤工作。若要了解如何建立人力資源和工作團隊，請參閱[人力資源](sms-workforce-management.md)。
+ 標籤類別組態檔案。如需更多資訊，請參閱[有標籤類別和影格屬性參考的標籤類別組態檔案](sms-label-cat-config-attributes.md)。

此外，請確定您已檢閱且符合[指派 IAM 許可以使用 Ground Truth](sms-security-permission.md)。

請參閱下列其中一節，以了解如何使用主控台或 API 建立標籤工作。

## 建立標籤工作 (主控台)
<a name="sms-point-cloud-semantic-segmentation-console"></a>

您可以依照指示[建立標籤工作 (主控台)](sms-create-labeling-job-console.md)，了解如何在 SageMaker AI 主控台建立 3D 點雲語意分割標籤工作。建立標籤工作時，請注意下列事項：
+ 輸入資訊清單檔案必須是單一影格資訊清單檔案。如需更多資訊，請參閱[建立點雲影格輸入資訊清單檔案](sms-point-cloud-single-frame-input-data.md)。
+ 3D 點雲標籤任務不支援自動標籤資料和註釋合併。
+ 3D 點雲語意分割標籤工作可能需要數小時才能完成。當您選取工作團隊，您可以為這些標籤工作指定更長的時間限制 (最多 7 天，即 604800 秒)。

## 建立標籤工作 (API)
<a name="sms-point-cloud-semantic-segmentation-api"></a>

本節涵蓋使用 SageMaker API 作業 `CreateLabelingJob` 建立標籤工作時，您需要知道的詳細資訊。此 API 會定義 AWS SDKs此操作。若要查看這項作業支援的特定語言 SDK 清單，請參閱 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) 的**另請參閱**一節。

[建立標籤工作 (API)](sms-create-labeling-job-api.md)頁面提供 `CreateLabelingJob` 作業的概觀。設定請求時，請遵循這些指示並執行下列動作：
+ 您必須在 `HumanTaskUiArn` 中輸入 ARN。請使用 `arn:aws:sagemaker:<region>:394669845002:human-task-ui/PointCloudSemanticSegmentation`。將 `<region>` 取代為您建立標籤工作所在的 AWS 區域。

  請勿輸入 `UiTemplateS3Uri` 參數。
+ [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelAttributeName) 的結尾必須是 `-ref`。例如 `ss-labels-ref`。
+ 輸入資訊清單檔案必須是單一影格資訊清單檔案。如需詳細資訊，請參閱[建立點雲影格輸入資訊清單檔案](sms-point-cloud-single-frame-input-data.md)。
+ 請在標籤類別組態檔案中指定標籤和工作者指示。若要了解如何建立此檔案，請參閱[有標籤類別和影格屬性參考的標籤類別組態檔案](sms-label-cat-config-attributes.md)。
+ 您需要為註釋前和註釋後 (ACS) Lambda 函式提供預先定義的 ARN。這些 ARN 專屬於您用來建立標籤工作的 AWS 區域。
  + 若要尋找註釋前 Lambda ARN，請參閱 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)。使用您建立標籤工作所在的區域，找出正確的 ARN。例如，如果您在 us-east-1 中建立標籤工作，則 ARN 為 `arn:aws:lambda:us-east-1:432418664414:function:PRE-3DPointCloudSemanticSegmentation`。
  + 若要尋找註釋後 Lambda ARN，請參閱 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html#sagemaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)。使用您建立標籤工作所在的區域，找出正確的 ARN。例如，如果您在 us-east-1 中建立標籤工作，則 ARN 為 `arn:aws:lambda:us-east-1:432418664414:function:ACS-3DPointCloudSemanticSegmentation`。
+ `NumberOfHumanWorkersPerDataObject` 中指定的工作者數目應該為 `1`。
+ 3D 點雲標籤工作不支援自動資料標籤。請勿在 `[LabelingJobAlgorithmsConfig](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#sagemaker-CreateLabelingJob-request-LabelingJobAlgorithmsConfig)` 中指定參數的值。
+ 3D 點雲語意分割標籤工作可能需要數小時才能完成。您可以在 `TaskTimeLimitInSeconds` 中為這些標籤工作指定更長的時間限制 (最多 7 天，即 604800 秒)。