Segment each instance of each class of objects in the image.
GOOD EXAMPLES
Good because A, B, C.
BAD EXAMPLES
Bad because X, Y, Z.
- Read the task carefully and inspect the image.
- Read the options and review the examples provided to understand more about the labels.
- Choose the appropriate label that best suits the image.
Good example
Enter description to explain the correct label to the workers
Bad example
Enter description of an incorrect label
- Read the task carefully and inspect the image.
- Read the options and review the examples provided to understand more about the labels.
- Choose the appropriate labels that best suit the image.
Good example
Enter description to explain the correct label to the workers
Bad example
Enter description of an incorrect label
Add header
Add Instructions
", "fullInstruction":"Add additional instructions.
"} ``` Im Folgenden finden Sie ein Beispiel für eine [AWS -Python-SDK-(Boto3)-Anforderung](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) zum Erstellen eines Beschriftungsauftrags in der Region USA Ost (Nord-Virginia). Alle Parameter in Rot sollten durch Ihre Spezifikationen und Ressourcen ersetzt werden. ``` response = client.create_labeling_job( LabelingJobName='example-ner-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': { 'HumanTaskUiArn': 'arn:aws:sagemaker:us-east-1:394669845002:human-task-ui/NamedEntityRecognition' }, 'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-NamedEntityRecognition', 'TaskKeywords': [ 'Named entity Recognition', ], 'TaskTitle': 'Named entity Recognition task', 'TaskDescription': 'Apply the labels provided to specific words or phrases within the larger text block.', 'NumberOfHumanWorkersPerDataObject': 1, 'TaskTimeLimitInSeconds': 28800, 'TaskAvailabilityLifetimeInSeconds': 864000, 'MaxConcurrentTaskCount': 1000, 'AnnotationConsolidationConfig': { 'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-NamedEntityRecognition' }, Tags=[ { 'Key': 'string', 'Value': 'string' }, ] ) ``` ### Stellen Sie Anweisungen für Auftragnehmer in einer Konfigurationsdatei für die Beschriftungskategorie bereit Sie müssen in der Konfigurationsdatei für die Etikettenkategorie, die Sie mit dem Parameter `LabelCategoryConfigS3Uri` in `CreateLabelingJob` angeben, Anweisungen für die Arbeiter angeben. Mithilfe dieser Anweisungen können Sie Einzelheiten zu der Aufgabe angeben, die Auftragnehmer ausführen sollen, und ihnen helfen, das Tool effizient zu nutzen. Sie geben kurze und lange Anweisungen mit `shortInstruction` bzw. `fullInstruction` im `instructions` Parameter. Weitere Informationen zu diesen Instruktionstypen finden Sie unter [Erstellen von Anweisungsseiten](sms-creating-instruction-pages.md). Im Folgenden finden Sie ein Beispiel für eine Konfigurationsdatei für Beschriftungskategorien mit Anweisungen, die für einen Beschriftungsauftrag zur Erkennung benannter Entitäten verwendet werden können. ``` { "document-version": "2018-11-28", "labels": [ { "label": "label1", "shortDisplayName": "L1" }, { "label": "label2", "shortDisplayName": "L2" }, { "label": "label3", "shortDisplayName": "L3" }, { "label": "label4", "shortDisplayName": "L4" }, { "label": "label5", "shortDisplayName": "L5" } ], "instructions": { "shortInstruction": "Enter description of the labels that workers have to choose from
Add examples to help workers understand the label
", "fullInstruction": "- Read the text carefully.
- Highlight words, phrases, or sections of the text.
- Choose the label that best matches what you have highlighted.
- To change a label, choose highlighted text and select a new label.
- To remove a label from highlighted text, choose the X next to the abbreviated label name on the highlighted text.
- You can select all of a previously highlighted text, but not a portion of it.
- Read the text carefully.
- Read the examples to understand more about the options.
- Choose the appropriate labels that best suit the text.
Enter description of the labels that workers have to choose from
Add examples to help workers understand the label
- Read the text carefully.
- Read the examples to understand more about the options.
- Choose the appropriate labels that best suit the text.
Enter description of the labels that workers have to choose from
Add examples to help workers understand the label
- Read the task carefully and inspect the video.
- Read the options and review the examples provided to understand more about the labels.
- Choose the appropriate label that best suits the video.
Good example
Enter description to explain the correct label to the workers
Bad example
Enter description of an incorrect label
Use this area to add more detailed worker instructions.
" }, "annotationType": [ { "type": "BoundingBox" }, { "type": "Cuboid" } ] } ``` **Anmerkung** Sie müssen `BoundingBox` und `Cuboid` als AnnotationType in der Konfigurationsdatei für die Beschriftungskategorie angeben, um einen 3D-2D-Objektverfolgungsauftrag zu erstellen. # Anzeigen der Aufgabenoberfläche für einen Kennzeichnungsauftrag zur 3D-2D-Objektverfolgung Ground Truth stellt den Auftragsnehmern ein Webportal und Tools zur Verfügung, mit denen sie ihre 3D-2D-Objektverfolgungsaufgaben erledigen können. Wenn Sie den Kennzeichnungsauftrag erstellen, geben Sie den Amazon-Ressourcennamen (ARN) für eine vorgefertigte Ground-Truth-UI im `HumanTaskUiArn` Parameter an. Um die UI zu verwenden, wenn Sie einen Beschriftungsauftrag für diesen Aufgabentyp mithilfe der API erstellen, müssen Sie die Option `HumanTaskUiArn` verwenden. Sie können eine Vorschau anzeigen und mit der Benutzeroberfläche interagieren, wenn Sie einen Etiketteriauftrag über die API erstellen. Die Tools zum Kommentieren sind Teil der Auftragnehmer-Aufgabe-Oberfläche. Sie sind für die Vorschauoberfläche nicht verfügbar. Die folgende Abbildung zeigt die Auftragnehmer-Aufgabe-Oberfläche, die für die Annotationsaufgabe zur 3D-2D-Punktwolken-Objektverfolgung verwendet wird. ![\[Die Auftragnehmer-Aufgabe-Schnittstelle, die für die Annotationsaufgabe zur 3D-2D-Punktwolken-Objektverfolgung verwendet wird.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/sms-sensor-fusion.png) Wenn die Interpolation standardmäßig aktiviert ist. Sobald Auftragnehmer einen einzelnen Quader hinzufügen, wird dieser Quader in allen Frames der Sequenz mit derselben ID repliziert. Sobald die Auftragnehmer den Quader in einem anderen Frame anpassen, interpoliert die Bewegung dieses Objekts und passt alle Quader zwischen den manuell angepassten Frames an. Darüber hinaus kann im Bereich Kameraansicht ein Quader mit einer Projektion dargestellt werden (mit der Taste B für „Beschriftungen umschalten“ in der Kameraansicht), die dem Auftragnehmer eine Referenz aus den Kamerabildern bietet. Die Genauigkeit der Projektion zwischen Quader und Bild basiert auf der Genauigkeit der Kalibrierungen, die in den extrinsischen und intrinsischen Daten erfasst werden. Wenn Sie Kameradaten für die Sensorfusion bereitstellen, werden Bilder mit Szenen in Punktwolkenframes abgeglichen. Beachten Sie, dass die Kameradaten zeitlich mit den Point-Cloud-Daten synchronisiert werden sollten, um eine genaue Abbildung der Point-Cloud-Bilddaten über jeden Frame in der Sequenz zu gewährleisten, wie in der folgenden Abbildung gezeigt. ![\[Die Manifestdatei, das Worker-Portal mit Point-Cloud-Daten und den Kameradaten.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/3d_2d_link_ss.png) Die Manifest-Datei enthält die extrinsischen und intrinsischen Daten sowie die Pose, sodass die quaderförmige Projektion auf dem Kamerabild mit der **P-Taste** angezeigt werden kann. Auftragnehmer können mithilfe der Tastatur und der Maus in der 3D-Szene navigieren. Sie können Folgendes: + Auf bestimmte Objekte in der Punktwolke zu doppelklicken, um sie zu vergrößern. + Einen Maus-Scroller oder ein Trackpad zu verwenden, um die Punktwolke zu vergrößern und zu verkleinern. + Die Pfeiltasten auf der Tastatur und die Tasten Q, E, A und D zu verwenden, um nach oben, unten, links, rechts zu bewegen. Verwenden Sie die Tastaturtasten W und S zum Vergrößern und Verkleinern. Sobald ein Auftragnehmer einen Quader in der 3D-Szene platziert hat, wird eine Seitenansicht mit den drei projizierten Seitenansichten angezeigt: oben, seitlich und hinten. Diese Seitenansichten zeigen Punkte in und rund um den platzierten Quader an und helfen Auftragnehmern dabei, Quadergrenzen in diesem Bereich zu verfeinern. Auftragnehmer können jede dieser Seitenansichten mit der Maus vergrößern und verkleinern. Der Auftragnehmer sollte zuerst den Quader auswählen, um in einer beliebigen Kameraansicht einen entsprechenden Begrenzungsrahmen zu zeichnen. Dadurch werden der Quader und der Begrenzungsrahmen mit einem gemeinsamen Namen und einer eindeutigen ID verknüpft. Der Auftragnehmer kann auch zuerst einen Begrenzungsrahmen zeichnen, ihn auswählen und den entsprechenden Quader zeichnen, um sie zu verbinden. Weitere Ansichtsoptionen und Funktionen sind verfügbar. Auf der [Anweisungsseite für Auftragnehmer](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-worker-instructions-object-tracking.html) finden Sie eine umfassende Übersicht über die UI für Auftragnehmer. ## Werkzeuge für Auftragnehmer Auftragnehmer können durch die 3D-Punktwolke navigieren, indem sie Vergrößern und Verkleinern und sich mit der Maus und den Tastenkombinationen in alle Richtungen in der Wolke bewegen. Wenn Auftragnehmer auf einen Point in der Ponit-Cloud klicken, zoomt die Benutzeroberfläche automatisch in diesen Bereich. Auftragnehmer können verschiedene Werkzeuge verwenden, um 3D-Quader um Objekte zu zeichnen. Weitere Informationen finden Sie unter **Hilfsmittel zur Beschriftung**. Nachdem Auftragnehmer einen 3D-Quader in der Punktwolke platziert haben, können sie diese Quader in verschiedenen Ansichten so anpassen, dass sie eng um das Auto herum passen: direkt in der 3D-Point-Cloud, in einer Seitenansicht mit drei gezoomten Perspektiven der Point-Cloud um die Box herum und, wenn Sie Bilder für die Sensorfusion einbeziehen, direkt im 2D-Bild. Zusätzliche Ansichtsoptionen ermöglichen es den Auftragnehmern, Beschriftungstext, ein Bodennetz und zusätzliche Punktattribute einfach auszublenden oder anzuzeigen. Auftragnehmer können auch zwischen perspektivischen und orthogonalen Projektionen wählen. **Hilfsmittel zur Beschriftung** Ground Truth hilft Arbeitnehmern, 3D-Punktwolken schneller und genauer zu beschriften, indem sie UX-, Machine Learning und Computer-Vision-gestützte Beschriftungshilfsmittel für 3D-Punktwolken-Objektverfolgungsaufgaben einsetzen. Für diesen Aufgabentyp stehen die folgenden Hilfsmittel zur Beschriftung zur Verfügung: + **Beschriftung automatisch ausfüllen** – Wenn ein Auftragnehmer einem Frame einen Quader hinzufügt, wird dieser Quader automatisch allen Frames in der Sequenz hinzugefügt. + **Beschriftungsinterpolation** – Nachdem ein Auftragnehmer ein einzelnes Objekt in zwei Frames beschriftet hat, verwendet diese Anmerkungen, um die Bewegung dieses Objekts zwischen diesen beiden Frames zu interpolieren. Die Beschriftungsinterpolation kann ein- und ausgeschaltet werden. Das ist standardmäßig aktiviert. Wenn beispielsweise ein Auftragnehmer, der mit 5 Frames arbeitet, in Frame 2 einen Quader hinzufügt, wird dieser in alle 5 Frames kopiert. Wenn der Auftragnehmer dann in Bild 4 Anpassungen vornimmt, wirken Bilder 2 und 4 nun wie zwei Punkte, durch die eine Linie gezogen wird. Der Quader wird dann in den Frames 1, 3 und 5 interpoliert. + **Massenverwaltung von Beschriftungen und Attributen** – Auftragnehmer können Anmerkungen hinzufügen, löschen und umbenennen, Kategorieattribute beschriften und Rahmenattribute gleichzeitig hinzufügen, löschen und umbenennen. + Auftragnehmer können Anmerkungen für ein bestimmtes Objekt vor oder nach einem Frame manuell löschen. Beispielsweise kann ein Auftragnehmer alle Beschriftungen für ein Objekt nach Frame 10 löschen, wenn sich dieses Objekt nach diesem Frame nicht mehr in der Szene befindet. + Wenn ein Auftragnehmer versehentlich alle Anmerkungen für ein Objekt massenhaft löscht, kann er sie wieder hinzufügen. Wenn ein Auftragnehmer beispielsweise alle Anmerkungen für ein Objekt vor Frame 100 löscht, kann er sie diesen Frames massenhaft hinzufügen. + Auftragnehmer können eine Beschriftung in einem Frame umbenennen und alle 3D-Quader, denen diese Beschriftung zugewiesen ist, werden mit dem neuen Namen für alle Frames aktualisiert. + Arbeitnehmer können die Massenbearbeitung verwenden, um Label-Kategorieattribute und Rahmenattribute in mehreren Frames hinzuzufügen oder zu bearbeiten. + **Einrasten** – Arbeitnehmer können einen Quader um ein Objekt hinzufügen und einen Tastaturbefehl oder eine Menüoption verwenden, um das Ground-Truth-Werkzeug den Quader eng um die Objektgrenzen einrasten zu lassen. + **Befestigung am Boden** Nachdem ein Auftragnehmer der 3D-Szene einen Quader hinzugefügt hat, kann er den Quader automatisch am Boden ausrichten. Beispielsweise kann der Auftragnehmer diese Funktion verwenden, um einen Quader an der Straße oder dem Bürgersteig in der Szene auszurichten. + **Multi-View-Beschriftung** – Nachdem ein Auftragnehmer der 3D-Szene einen 3D-Quader hinzugefügt hat, werden in einem Seitenbereich die Vorder- und zwei Seitenperspektiven angezeigt, um dem Auftragnehmer dabei zu helfen, den Quader fest um das Objekt herum auszurichten. Auftragnehmer können die 3D-Punktwolke mit Anmerkungen versehen, der Seitenbereich und die Anpassungen werden in den anderen Ansichten in Echtzeit angezeigt. + **Sensorfusion** – Wenn Sie Daten für die Sensorfusion bereitstellen, können Auftragnehmer Anmerkungen in 3D-Szenen und 2D-Bildern anpassen, und die Anmerkungen werden in Echtzeit in die andere Ansicht projiziert. Weitere Informationen zu den Daten für die Sensorfusion finden Sie unter [Grundlegendes zu Koordinatensystemen und Sensorfusion](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-sensor-fusion-details.html#sms-point-cloud-sensor-fusion). + **Quader automatisch zusammenführen** – Auftragnehmer können automatisch zwei Quader über alle Frames hinweg zusammenführen, wenn sie feststellen, dass Quader mit unterschiedlichen Beschriftungen tatsächlich ein einzelnes Objekt darstellen. + **Ansichtsoptionen** – Ermöglicht Auftragnehmern das einfache Ausblenden oder Anzeigen von Beschriftungstext, eines Bodengitters und zusätzlicher Punktattribute wie Farbe oder Intensität. Auftragnehmer können auch zwischen perspektivischen und orthogonalen Projektionen wählen. # Ausgabedaten für einen Kennzeichnungsauftrag zur 3D-2D-Objektverfolgung Wenn Sie einen 3D-2D-Objektverfolgungs-Beschriftungsauftrag erstellen, werden Aufgaben an Auftragnehmer gesendet. Wenn diese Arbeitnehmer ihre Aufgaben abgeschlossen haben, werden ihre Anmerkungen in den Amazon-S3-Bucket geschrieben, den Sie beim Erstellen des Beschriftungsauftrags angegeben haben. Das Ausgabedatenformat bestimmt, was Sie in Ihrem Amazon S3 S3-Bucket sehen, wenn Ihr Labeling-Auftragsstatus ([LabelingJobStatus](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeLabelingJob.html#API_DescribeLabelingJob_ResponseSyntax)) lautet`Completed`. Wenn Sie ein neuer Benutzer von Ground Truth sind, erfahren Sie unter [Ausgabedaten von Kennzeichnungsaufträgen](sms-data-output.md) mehr über das Ausgabedatenformat von Ground Truth. Weitere Informationen zum Ausgabedatenformat der 3D-Point-Cloud-Objektverfolgung finden Sie unter [3D-2D-Objektverfolgung, Punktwolke, Ausgabe der Objektverfolgung](sms-data-output.md#sms-output-3d-2d-point-cloud-object-tracking). # Übersicht über 3D-Punktwolken-Kennzeichnungsjobs Dieses Thema bietet einen Überblick über die einzigartigen Features eines Ground Truth 3D-Punktwolken-Beschriftungsauftrags. Mithilfe der 3D-Punktwolken-Kennzeichnungsaufträge können Auftragnehmer Objekte in einer 3D-Punktwolke beschriften, die von 3D-Sensoren wie LiDAR und Tiefenkameras oder anhand der 3D-Rekonstruktion generiert werden, bei der von einem Agenten wie einer Drohne erfasst Bilder zusammengefügt werden. ## Vorverarbeitungszeit der Jobs Wenn Sie einen 3D-Punktwolken-Kennzeichnungsauftrag erstellen, müssen Sie eine [Eingabemanifestdatei](sms-point-cloud-input-data.md) bereitstellen. Die Eingabemanifestdatei kann wie folgt sein: + Eine *Frame-Eingabemanifestdatei*, die einen einzelnen Punktwolkenframe in jeder Zeile aufweist. + Eine *Sequenz-Eingabemanifestdatei*, die eine einzelne Sequenz in jeder Zeile aufweist. Eine Sequenz wird als eine zeitliche Reihe von Punktwolkenframes definiert. Für beide Arten von Manifestdateien hängt die *Vorverarbeitungszeit* (d. h. die Zeit, bevor Ground Truth beginnt, Aufgaben an Ihre Arbeiter zu senden) von der Gesamtzahl und Größe der Punktwolkenrahmen ab, die Sie in Ihrer Eingabemanifestdatei angeben. Bei Frame-Eingabemanifestdateien ist dies die Anzahl der Zeilen in Ihrer Manifestdatei. Bei Sequenz-Manifestdateien ist dies die Anzahl der Frames in jeder Sequenz multipliziert mit der Gesamtzahl der Sequenzen oder Zeilen in Ihrer Manifestdatei. Darüber hinaus werden die Anzahl der Punkte pro Punktwolke und die Anzahl der verschmolzenen Sensordatenobjekte (wie Bilder) in die Vorverarbeitungszeiten der Aufträge einbezogen. Im Durchschnitt kann Ground Truth 200 Punktwolkenrahmen in etwa 5 Minuten vorverarbeiten. Wenn Sie einen 3D-Punktwolken-Kennzeichnungsauftrag mit einer großen Anzahl von Punktwolkenframes erstellen, kann es zu längeren Auftragsvorverarbeitungszeiten kommen. Wenn Sie beispielsweise eine Sequenz-Eingabemanifestdatei mit 4 Punktwolkensequenzen erstellen und jede Sequenz 200 Punktwolken enthält, verarbeitet Ground Truth 800 Punktwolken vor, so dass die Vorverarbeitungszeit für Ihren Auftrag etwa 20 Minuten betragen könnte. Während dieser Zeit lautet der Status Ihres Kennzeichnungsauftrags `InProgress`. Während der Bearbeitung Ihres Auftrags zur Kennzeichnung von 3D-Punktwolken erhalten Sie CloudWatch Meldungen, die Sie über den Status Ihres Auftrags informieren. Um diese Meldungen zu identifizieren, suchen Sie in Ihren Kennzeichnungsauftragsprotokollen nach `3D_POINT_CLOUD_PROCESSING_STATUS`. Bei **Manifestdateien für die Frame-Eingabe** enthalten Ihre CloudWatch Protokolle eine Meldung, die der folgenden ähnelt: ``` { "labeling-job-name": "example-point-cloud-labeling-job", "event-name": "3D_POINT_CLOUD_PROCESSING_STATUS", "event-log-message": "datasetObjectId from: 0 to 10, status: IN_PROGRESS" } ``` Die Ereignisprotokollmeldung `datasetObjectId from: 0 to 10, status: IN_PROGRESS` identifiziert die Anzahl der Frames aus Ihrem Eingabemanifest, die verarbeitet wurden. Jedes Mal, wenn ein Frame verarbeitet wurde, erhalten Sie eine neue Meldung. Wenn beispielsweise ein einzelner Frame verarbeitet wurde, erhalten Sie eine weitere Meldung, die `datasetObjectId from: 1 to 10, status: IN_PROGRESS` angibt. Bei **Manifestdateien für Sequenzeingaben** CloudWatch enthalten Ihre Protokolle eine Meldung, die der folgenden ähnelt: ``` { "labeling-job-name": "example-point-cloud-labeling-job", "event-name": "3D_POINT_CLOUD_PROCESSING_STATUS", "event-log-message": "datasetObjectId: 0, status: IN_PROGRESS" } ``` Die Ereignisprotokollmeldung `datasetObjectId from: 0, status: IN_PROGRESS` identifiziert die Anzahl der Sequenzen aus Ihrem Eingabemanifest, die verarbeitet wurden. Jedes Mal, wenn eine Sequenz verarbeitet wurde, erhalten Sie eine neue Meldung. Wenn beispielsweise eine einzelne Sequenz verarbeitet wurde, erhalten Sie eine Meldung, die `datasetObjectId from: 1, status: IN_PROGRESS` angibt, wenn die nächste Sequenz mit der Verarbeitung beginnt. ## Ausführungszeiten des Jobs 3D-Punktwolken-Kennzeichnungsaufträge können für Auftragnehmer Stunden in Anspruch nehmen. Sie können die Gesamtdauer festlegen, die Auftragnehmer an den einzelnen Aufgaben arbeiten können, wenn Sie einen Kennzeichnungsauftrag erstellen. Die maximale Zeit, die Sie festlegen können, die Auftragnehmer an Aufgaben arbeiten, beträgt 7 Tage. Der Standardwert lautet 3 Tage. Es wird dringend empfohlen, Aufgaben zu erstellen, die Auftragnehmer innerhalb von 12 Stunden erledigen können. Auftragnehmer müssen die Benutzeroberfläche für Auftragnehmer während der Arbeit an einer Aufgabe geöffnet lassen. Sie können ihre Arbeit speichern, während sie arbeiten, und Ground Truth speichert ihre Arbeit alle 15 Minuten. Wenn Sie den SageMaker `CreateLabelingJob` KI-API-Vorgang verwenden, legen Sie im `TaskTimeLimitInSeconds` Parameter von fest, wie lange eine Aufgabe den Mitarbeitern insgesamt zur Verfügung steht`HumanTaskConfig`. Wenn Sie einen Kennzeichnungsauftrag in der Konsole erstellen, können Sie dieses Zeitlimit angeben, wenn Sie Ihren Arbeitskrafttyp und Ihr Arbeitsteam auswählen. ## Arbeitskräfte Wenn Sie einen 3D-Punktwolken-Kennzeichnungsauftrag erstellen, müssen Sie ein Arbeitsteam angeben, das Ihre Punktwolken-Anmerkungsaufgaben abschließt. Sie können ein Arbeitsteam aus privaten Arbeitskräften Ihrer eigenen Mitarbeiter oder aus Anbieterarbeitskräften auswählen, die Sie in AWS Marketplace auswählen. Sie können die Arbeitskräfte von Amazon Mechanical Turk nicht für 3D-Punktwolken-Beschriftungsaufträge verwenden. Weitere Informationen zu Anbieterarbeitskräften finden Sie unter [Abonnieren von Arbeitskräften eines Anbieters](sms-workforce-management-vendor.md). Informationen zum Erstellen und Verwalten privater Arbeitskräfte finden Sie unter [Private Arbeitskräfte](sms-workforce-private.md). ## Benutzeroberfläche (UI) für Auftragnehmer Ground Truth bietet eine Benutzeroberfläche (UI), Werkzeuge und unterstützende Beschriftungsfeatures, die den Auftragnehmern helfen, ihre 3D-Punktwolken-Labeling-Aufgaben zu erledigen. Sie können eine Vorschau der Benutzeroberfläche für Auftragnehmer anzeigen, wenn Sie einen Kennzeichnungsauftrag in der Konsole erstellen. Wenn Sie einen Beschriftungsauftrag mit der API-Operation `CreateLabelingJob` erstellen, müssen Sie eine von Ground Truth bereitgestellte ARN im Parameter [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-UiTemplateS3Uri](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-UiTemplateS3Uri) angeben, um die Auftragnehmer UI für Ihren Aufgabentyp zu spezifizieren. Sie können den SageMaker [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html)AI-API-Vorgang verwenden`HumanTaskUiArn`, um eine Vorschau der Worker-Benutzeroberfläche anzuzeigen. Sie stellen Auftragnehmeranweisungen, Beschriftungen und optional Beschriftungskategorieattribute bereit, die in der Auftragnehmer-Benutzeroberfläche angezeigt werden. ### Attribute der Beschriftungskategorie Wenn Sie einen 3D-Punktwolken-Objektverfolgungs- oder Objekterkennungsbeschriftungsauftrag erstellen, können Sie ein oder mehrere *Beschriftungskategorieattribute* hinzufügen. Sie können allen 3D-Punktwolken-Aufgabentypen *Rahmenattribute* hinzufügen: + **Kategorieattribut für Beschriftungen** – Eine Liste mit Optionen (Zeichenketten), ein Textfeld in freier Form oder ein numerisches Feld, das einer oder mehreren Beschriftungen zugeordnet ist. Es wird von Auftragnehmern verwendet, um Metadaten zu einem Etikett bereitzustellen. + **Rahmenattribut** – Eine Liste von Optionen (Zeichenketten), ein Textfeld in freier Form oder ein numerisches Feld, das in jedem Punktwolken-Frame erscheint, den ein Auftragnehmer mit Anmerkungen versehen soll. Es wird von Auftragnehmern verwendet, um Metadaten zu Frames bereitzustellen. Darüber hinaus können Sie Beschriftungen und Rahmenattribute verwenden, damit Auftragnehmer Beschriftungen in einem 3D-Punktwolken-Label-Verifizierungsjob überprüfen lassen. In den folgenden Abschnitten erfahren Sie mehr über diese Attribute. Um zu erfahren, wie Sie Beschriftungskategorie und Frame-Attribute hinzufügen, verwenden Sie den Abschnitt **Kennzeichnungsauftrag erstellen** auf der [Aufgabentypseite](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-task-types) Ihrer Wahl. #### Attribute der Beschriftungskategorie Fügen Sie Labelkategorieattribute zu Beschriftungen hinzu, damit Auftragnehmer mehr Informationen zu den von ihnen erstellten Anmerkungen angeben können. Ein Label-Kategorieattribut wird einem einzelnen Etikett oder allen Labels hinzugefügt. Wenn ein Labelkategorieattribut auf alle Beschriftungen angewendet wird, wird es als *globales Labelkategorieattribut* bezeichnet. Wenn Sie z. B. die Kategorie *Auto* hinzufügen, möchten Sie vielleicht auch zusätzliche Daten über Ihre beschrifteten Autos erfassen, z. B. ob sie verdeckt sind oder wie groß das Auto ist. Sie können diese Metadaten mithilfe von Beschriftungskategorieattributen erfassen. Wenn Sie in diesem Beispiel das Attribut *verdeckt* zur Fahrzeugkennzeichnungskategorie hinzugefügt haben, können Sie dem *verdeckten* Attribut *teilweise*, *vollständig* oder *Nein* zuweisen und Auftragnehmern die Möglichkeit geben, eine dieser Optionen auszuwählen. Wenn Sie einen Auftrag zur Labelverifizierung erstellen, fügen Sie jedem Etikett, das Mitarbeiter überprüfen sollen, Attribute der Kategorie Etiketten hinzu. #### Rahmenattribute Fügen Sie Rahmenattribute hinzu, um Auftragnehmern die Möglichkeit zu geben, mehr Informationen zu einzelnen Punktwolkenrahmen bereitzustellen. Sie können bis zu 10 Frame-Attribute angeben, und diese Attribute werden auf allen Frames angezeigt. Beispielsweise können Sie ein Rahmen-Attribut hinzufügen, das es den Auftragnehmern ermöglicht, eine Zahl einzugeben. Möglicherweise möchten Sie dieses Attribut verwenden, damit Auftragnehmer die Anzahl der Objekte angeben können, die sie in einem bestimmten Rahmen sehen. In einem anderen Beispiel könnten Sie ein Textfeld in freier Form bereitstellen, um Auftragnehmern die Möglichkeit zu geben, eine Frage in freier Form zu beantworten. Wenn Sie einen Auftrag zur Überprüfung von Bezeichnungen erstellen, können Sie ein oder mehrere Rahmenattribute hinzufügen, um Auftragnehmer zu bitten, Feedback zu allen Beschriftungen in einem Punktwolkenrahmen zu geben. ### Anweisungen für Arbeitnehmer Sie können Auftragnehmeranweisungen bereitstellen, damit Ihre Auftragnehmer Ihre Punktwolken-Labeling-Aufgaben erledigen können. Sie können diese Anweisungen verwenden, um Folgendes zu tun: + Bewährte Methoden und Dinge, die beim Beschriften von Objekten zu vermeiden sind. + Erläuterung der angegebenen Beschriftungskategorieattribute (für Objekterkennungs- und Objektverfolgungsaufgaben) und deren Verwendung. + Tipps, wie Sie beim Beschriften Zeit sparen können, indem Sie Tastenkombinationen verwenden. Sie können Ihre Worker-Anweisungen mithilfe der SageMaker AI-Konsole hinzufügen, während Sie einen Labeling-Job erstellen. Wenn Sie einen Kennzeichnungsauftrag mithilfe der API-Operation `CreateLabelingJob` erstellen, geben Sie Auftragnehmeranweisungen in der Konfigurationsdatei der Beschriftungskategorie an. Zusätzlich zu Ihren Anweisungen stellt Ground Truth einen Link zur Verfügung, der den Auftragnehmern bei der Navigation und Nutzung des Worker-Portals hilft. Zeigen Sie diese Anweisungen an, indem Sie den Aufgabentyp auf [Anweisungen für Arbeitnehmer](sms-point-cloud-worker-instructions.md) auswählen. ### Ablehnen von Aufgaben Auftragnehmende können Aufgaben ablehnen. Auftragnehmende lehnen eine Aufgabe ab, wenn die Anweisungen nicht klar sind, die Eingabedaten nicht korrekt angezeigt werden oder wenn sie bei der Aufgabe auf ein anderes Problem stoßen. Wenn die Anzahl der Auftragnehmer pro Datensatzobjekt ([https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-NumberOfHumanWorkersPerDataObject](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html#sagemaker-Type-HumanTaskConfig-NumberOfHumanWorkersPerDataObject)) die Aufgabe ablehnt, wird das Datenobjekt als abgelaufen markiert und nicht an weitere Mitarbeiter gesendet. # Berechtigungsvoraussetzungen für 3D-Punktwolken-Kennzeichnungsjobs Wenn Sie einen 3D-Punktwolken-Kennzeichnungsauftrag erstellen, müssen Sie zusätzlich zu den Berechtigungsanforderungen in [IAM-Berechtigungen zur Verwendung von Ground Truth zuweisen](sms-security-permission.md), Ihrem S3-Bucket, der Ihre Eingabemanifestdatei enthält, eine CORS-Richtlinie hinzufügen. ## Hinzufügen einer CORS-Berechtigungsrichtlinie zum S3-Bucket Wenn Sie einen 3D-Punktwolken-Kennzeichnungsauftrag erstellen, geben Sie Buckets in S3 an, in denen sich die Eingabedaten und die Manifestdatei befinden und in denen die Ausgabedaten gespeichert werden. Diese Buckets können gleich sein. Sie müssen Ihren Eingabe- und Ausgabebereichen die folgende CORS-Richtlinie (Cross-origin resource sharing) zuordnen. Wenn Sie die Amazon S3-Konsole verwenden, um die Richtlinie zu Ihrem Bucket hinzuzufügen, müssen Sie das JSON-Format verwenden. **JSON** ``` [ { "AllowedHeaders": [ "*" ], "AllowedMethods": [ "GET", "HEAD", "PUT" ], "AllowedOrigins": [ "*" ], "ExposeHeaders": [ "Access-Control-Allow-Origin" ], "MaxAgeSeconds": 3000 } ] ``` **XML** ```