Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Herramienta de segmentación automática

La segmentación de imágenes es el proceso de dividir una imagen en varios segmentos o conjuntos de píxeles etiquetados. En Amazon SageMaker Ground Truth, el proceso de identificar todos los píxeles que se encuentran bajo una etiqueta determinada implica aplicar un relleno de color, o «máscara», sobre esos píxeles. Algunas tareas de trabajo de etiquetado contienen imágenes con un gran número de objetos que deben segmentarse. Para ayudar a los trabajadores a etiquetar estos objetos en menos tiempo y con mayor precisión, Ground Truth proporciona una herramienta de segmentación automática para tareas de segmentación asignadas a personal privado y del proveedor. Esta herramienta utiliza un modelo de machine learning para segmentar automáticamente objetos individuales en la imagen con una intervención mínima del trabajador. Los trabajadores pueden refinar la máscara generada por la herramienta de segmentación automática utilizando otras herramientas que se encuentran en la consola de trabajo. Esto ayuda a los trabajadores a completar las tareas de segmentación de imágenes con mayor rapidez y precisión, lo que reduce los costos y mejora la calidad de las etiquetas. La siguiente página proporciona información sobre la herramienta y su disponibilidad.

Vista previa de la herramienta

Cuando se asigna a los trabajadores un trabajo de etiquetado que proporciona la herramienta de segmentación automática, reciben instrucciones detalladas sobre cómo utilizar la herramienta. Por ejemplo, un trabajador podría ver lo siguiente en la consola de trabajo:

Los trabajadores pueden utilizar Ver instrucciones completas para aprender a utilizar la herramienta. Los trabajadores tendrán que colocar un punto en cuatro puntos extremos (superior, inferior, izquierda y derecha) del objeto de interés, y la herramienta generará automáticamente una máscara para el objeto. Los trabajadores pueden refinar aún más la máscara utilizando las otras herramientas que se facilitan, o mediante la herramienta de segmentación automática en las partes más pequeñas del objeto que se han pasado por alto.

Disponibilidad de herramientas

La herramienta de segmentación automática aparece automáticamente en las consolas de sus trabajadores si crea un trabajo de etiquetado de segmentación semántica con la consola de Amazon. SageMaker Al crear un trabajo de segmentación semántica en la SageMaker consola, podrá obtener una vista previa de la herramienta mientras crea las instrucciones de trabajo. Para obtener información sobre cómo crear un trabajo de etiquetado de segmentación semántica en la SageMaker consola, consulte. Primeros pasos: cree un trabajo de etiquetado de cajas delimitadoras con Ground Truth

Si va a crear un trabajo de etiquetado de segmentación de instancias personalizado en la SageMaker consola o va a crear un trabajo de etiquetado de segmentación semántica o de instancias mediante Ground TruthAPI, necesitará crear una plantilla de tareas personalizada para diseñar la consola de trabajo y las instrucciones. Para incluir la herramienta de segmentación automática en la consola de trabajo, asegúrese de que se cumplen las siguientes condiciones en la plantilla de tareas personalizada:

A continuación se muestra un ejemplo de una plantilla de tarea personalizada para un trabajo de etiquetado de segmentación de instancias personalizadas, que incluye la etiqueta <crowd-instance-segmentation/> y el filtro Liquid grant_read_access.

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-instance-segmentation
    name="crowd-instance-segmentation"
    src="{{ task.input.taskObject | grant_read_access }}"
    labels="['Car','Road']"
   <full-instructions header="Segmentation instructions">
      Segment each instance of each class of objects in the image. 
    </full-instructions>

    <short-instructions>
      <p>Segment each instance of each class of objects in the image.</p>

      <h3 style="color: green">GOOD EXAMPLES</h3>
      <img src="path/to/image.jpg" style="width: 100%">
      <p>Good because A, B, C.</p>

      <h3 style="color: red">BAD EXAMPLES</h3>
      <img src="path/to/image.jpg" style="width: 100%">
      <p>Bad because X, Y, Z.</p>
    </short-instructions>
  </crowd-instance-segmentation>
</crowd-form>