Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Utilisation du schéma JSON pour les conditions d'activation de boucle humaine avec Amazon Rekognition

Lorsqu'elle est utilisée avec Amazon A2I, l’opération Amazon Rekognition DetectModerationLabels prend en charge les entrées suivantes dans les paramètres ConditionType :

Lorsque vous créez une définition de flux, si vous utilisez le modèle de tâche de collaborateur par défaut fourni dans la section Workflows de révision humaine de la SageMaker console Amazon, les inférences envoyées pour examen humain selon ces conditions d'activation sont incluses dans l'interface utilisateur du travailleur lorsqu'un travailleur ouvre votre tâche. Si vous utilisez un modèle de tâche d'employé personnalisé, vous devez inclure l'élément HTML personnalisé <task.input.selectedAiServiceResponse.blocks> pour accéder à ces inférences. Pour obtenir un exemple de modèle personnalisé utilisant cet élément HTML, veuillez consulter Exemple de modèle personnalisé pour Amazon Rekognition.

ModerationLabelConfidenceCheck Entrées

Pour ModerationLabelConfidenceCheck ConditionType, les ConditionParameters suivants sont pris en charge :

Lorsque vous utilisez ModerationLabelConfidenceCheck ConditionType, Amazon A2I envoie des inférences d'étiquette pour les étiquettes que vous avez spécifiées dans ModerationLabelName afin qu'elles soient soumises à vérification humaine.

Entrées d'échantillonnage

Sampling ConditionType prend en charge RandomSamplingPercentage ConditionParameters. L'entrée du paramètre RandomSamplingPercentage doit être un nombre réel compris entre 0,01 et 100. Ce nombre représente le pourcentage d'inférences pouvant faire l'objet d'une vérification humaine et qui sont soumises à vérification humaine. Si vous utilisez la condition Sampling sans aucune autre condition, ce nombre représente le pourcentage de toutes les inférences obtenues par une seule demande DetectModerationLabel qui sont soumises à vérification humaine.

Exemples

Exemple 1 : utilisation de ModerationLabelConfidenceCheck avec l'opérateur And

L'exemple suivant d'une condition HumanLoopActivationConditions initie une boucle HumanLoop lorsqu'une ou plusieurs des conditions suivantes sont remplies :

Notez l'utilisation des opérateurs logiques Or et And pour modéliser cette logique.

Même si une seule des deux conditions sous l'opérateur Or doit avoir pour valeur true pour qu'une boucle humaine soit créée, Amazon Augmented AI évalue en fait toutes les conditions. Les vérificateurs humains sont chargés de passer en revue les étiquettes de modération pour toutes les conditions qui équivalaient à 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
                         }
                     }
                 ]
             }
         ]
     }]
}

Exemple 2 : utilisation de ModerationLabelConfidenceCheck avec la valeur catch-all (*)

Dans l'exemple suivant, en cas de détection d'une étiquette de modération avec une fiabilité supérieure ou égale à 75, une boucle humaine est initiée. Les intervenants humains sont chargés de passer en revue toutes les étiquettes de modération dont les scores de fiabilité sont supérieurs ou égaux à 75.

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

Exemple 3 : Utiliser l'échantillonnage

Dans l'exemple suivant, 5 % des inférences Amazon Rekognition découlant d'une demande DetectModerationLabels sont soumises à vérification humaine. Lorsque vous utilisez le modèle de tâche de collaborateur par défaut fourni dans la SageMaker console, toutes les étiquettes de modération renvoyées par Amazon Rekognition sont envoyées aux travailleurs pour examen.

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

Exemple 4 : utilisation d’un échantillonnage et ModerationLabelConfidenceCheck avec l’opérateur And

Dans cet exemple, 5 % des inférences Amazon Rekognition de l'étiquette de modération Graphic Male Nudity avec un indice de fiabilité supérieur à 50 sont soumises à vérification humaine. Lorsque vous utilisez le modèle de tâches de travail par défaut fourni dans la SageMaker console, seules les inférences de l'Graphic Male Nudityétiquette sont envoyées aux travailleurs pour examen.

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

Exemple 5 : utilisation d'un échantillonnage et ModerationLabelConfidenceCheck avec l'opérateur And

Utilisez cet exemple pour configurer votre flux de vérification humaine afin qu'il soumette toujours à vérification humaine les inférences de faible fiabilité d'une étiquette spécifiée, ainsi qu'un échantillon d'inférence de haute fiabilité d'une étiquette à un taux spécifié.

Dans l'exemple suivant, une vérification humaine est initiée de l'une des manières suivantes :

{
  "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
                    }
                }
            ]
        }
      ]
    }
  ]
}

Exemple 6 : utilisation d'un échantillonnage et ModerationLabelConfidenceCheck avec l'opérateur Or

Dans l'exemple suivant, une boucle humaine est créée si la réponse d'inférence Amazon Rekognition contient l'étiquette « Nudité masculine explicite (Graphic Male Nudity) » avec une fiabilité d'inférence supérieure à 50. De plus, 5 % de toutes les autres inférences initient une boucle humaine.

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