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.
"} ``` Di seguito è riportato un esempio di richiesta [AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) per creare un processo di etichettatura nella Regione Stati Uniti orientali (Virginia settentrionale). Tutti i parametri in rosso devono essere sostituiti con le specifiche e le risorse. ``` 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' }, ] ) ``` ### Fornisci le istruzioni per il worker in un file di configurazione della categoria di etichette Devi fornire le istruzioni per l'operatore nel file di configurazione della categoria di etichette che identifichi con il parametro `LabelCategoryConfigS3Uri` in `CreateLabelingJob`. Puoi utilizzare queste istruzioni per fornire dettagli sull'attività che desideri che i worker svolgano e aiutarli a utilizzare lo strumento in modo efficiente. Fornisci istruzioni brevi e lunghe utilizzando `shortInstruction` e `fullInstruction` nel parametro `instructions` rispettivamente. Per ulteriori informazioni su tali tipi di istruzioni, consulta [Creare pagine di istruzioni](sms-creating-instruction-pages.md). Di seguito è riportato un esempio di file di configurazione della categoria di etichette con istruzioni che possono essere utilizzate per un processo di etichettatura di riconoscimento delle entità denominate. ``` { "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" } ] } ``` **Nota** È necessario fornire `BoundingBox` e `Cuboid` come AnnotationType nel file di configurazione della categoria di etichette per creare un processo di monitoraggio di oggetti 3D-2D. # Visualizzare l’interfaccia dell’attività dei worker per un processo di etichettatura per il tracciamento di oggetti in una nuvola di punti 3D-2D Ground Truth fornisce ai worker un portale Web e gli strumenti per completare le attività di annotazione del monitoraggio di oggetti della nuvola di punti 3D-2D. Quando crei il processo di etichettatura, fornisci il nome della risorsa Amazon (ARN) per un'interfaccia utente Ground Truth predefinita nel parametro `HumanTaskUiArn`. Per utilizzare l'interfaccia utente quando crei un processo di etichettatura per questo tipo di attività utilizzando l'API, devi fornire il `HumanTaskUiArn`. Puoi visualizzare in anteprima e interagire con l'interfaccia utente di lavoro quando crei un processo di etichettatura tramite l’API. Gli strumenti di annotazione fanno parte dell'interfaccia dell’attività del worker. Non sono disponibili per l'interfaccia in anteprima. L'immagine seguente mostra l'interfaccia dell’attività del worker utilizzata per l'attività di annotazione di monitoraggio di oggetti con nuvole di punti 3D-2D. ![\[L'interfaccia dell’attività del worker utilizzata per l'attività di annotazione di monitoraggio di oggetti con nuvole di punti 3D-2D.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/sms-sensor-fusion.png) Quando l'interpolazione è abilitata per impostazione predefinita. Dopo che un worker ha aggiunto un singolo cuboide, tale cuboide viene replicato in tutti i fotogrammi della sequenza con lo stesso ID. Se il worker regola il cuboide in un altro fotogramma, Ground Truth interpola il movimento di quell'oggetto e regola tutti i cuboidi tra i fotogrammi regolati manualmente. Inoltre, utilizzando la sezione di visualizzazione della videocamera, è possibile mostrare un cuboide con una proiezione (utilizzando il pulsante B per “alternare le etichette” nella visualizzazione della videocamera) che fornisce al worker un riferimento dalle immagini della videocamera. La precisione del cuboide rispetto alla proiezione dell'immagine si basa sulla precisione delle calibrazioni acquisite nei dati estrinseci e intrinseci. Se specifichi i dati della telecamera per la fusione dei sensori, le immagini vengono abbinate a scene nel frame della nuvola di punti. Nota che i dati della videocamera devono essere sincronizzati in base all'ora con i dati della nuvola di punti per garantire una rappresentazione accurata della nuvola di punti rispetto alle immagini su ogni fotogramma della sequenza, come mostrato nell'immagine seguente. ![\[Il file manifesto, il portale del worker con i dati della nuvola di punti e i dati della videocamera.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/3d_2d_link_ss.png) **Il file manifesto contiene i dati estrinseci e intrinseci e la posa per consentire la visualizzazione della proiezione del cuboide sull'immagine della videocamera utilizzando il pulsante P**. Il worker può navigare nella scena 3D utilizzando la tastiera e il mouse. In particolare, può: + Fare doppio clic su oggetti specifici nella nuvola di punti per ingrandirli. + Usare la rotella del mouse o un trackpad per ingrandire e ridurre la nuvola di punti. + Usa entrambi i tasti freccia della tastiera e i tasti Q, E, A e D per spostarsi Su, Giù, Sinistra, Destra. Usa i tasti della tastiera W e S per ingrandire e ridurre. Una volta che un worker posiziona un cuboide nella scena 3D, viene mostrata una visualizzazione laterale con le tre visualizzazioni laterali proiettate: superiore, laterale e posteriore. Queste visualizzazioni laterali mostrano i punti all'interno e attorno al cuboide posizionato e consentono ai worker di perfezionare i limiti del cuboide in quell'area. I worker possono ingrandire e ridurre ciascuna di queste visualizzazioni laterali utilizzando il mouse. Il worker deve prima selezionare il cuboide per disegnare un riquadro di delimitazione corrispondente su una qualsiasi delle visualizzazioni della videocamera. Questo collega il cuboide e il riquadro di delimitazione con un nome comune e un ID univoco. Il worker può anche disegnare prima un riquadro di delimitazione, selezionarlo e disegnare il cuboide corrispondente per collegarli. Sono disponibili ulteriori opzioni di visualizzazione e caratteristiche. Consulta la [pagina delle istruzioni per il worker](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-worker-instructions-object-tracking.html) per una panoramica completa dell'interfaccia utente di lavoro. ## Strumenti per i worker I worker possono navigare nella nuvola di punti 3D eseguendo lo zoom avanti e indietro e spostandosi in tutte le direzioni intorno alla nuvola utilizzando le scelte rapide del mouse e della tastiera. Se i worker fanno clic su un punto nella nuvola di punti, l'interfaccia utente esegue lo zoom automatico in quell'area. I worker possono utilizzare vari strumenti per disegnare un cuboide 3D attorno agli oggetti. Per ulteriori informazioni, consulta **Strumenti di etichettatura assistita** nella discussione seguente. Dopo che i worker hanno inserito un cuboide 3D nella nuvola di punti, possono regolare questi cuboidi per adattarsi perfettamente alle auto utilizzando una varietà di viste: direttamente nella nuvola di punti 3D, in una vista laterale con tre prospettive ingrandite della nuvola di punti attorno alla casella e, se si includono immagini per la fusione dei sensori, direttamente nell'immagine 2D. Opzioni di visualizzazione aggiuntive consentono ai worker di nascondere o visualizzare facilmente il testo dell'etichetta, una maglia a terra e altri attributi di punto. I worker possono anche scegliere tra proiezioni prospettiche e ortogonali. **Strumenti di etichettatura assistita** Ground Truth consente ai worker di annotare le nuvole di punti 3D in modo più rapido e accurato utilizzando UX, gli strumenti di etichettatura assistita basati sul Machine Learning e gli strumenti di etichettatura assistita basati sulla visione artificiale per le attività di tracciamento di oggetti della nuvola di punti 3D. Per questo tipo di attività sono disponibili i seguenti strumenti di etichettatura assistita: + **Compilazione automatica delle etichette**: quando un worker aggiunge un cuboide a un fotogramma con le stesse dimensioni, orientamento e posizione xyz, viene aggiunto automaticamente a tutti i fotogrammi della sequenza. + **Interpolazione etichette**: dopo che un worker ha etichettato un singolo oggetto in due fotogrammi, Ground Truth utilizza tali annotazioni per interpolare il movimento dell'oggetto tra tutti i fotogrammi. L'interpolazione delle etichette può essere attivata e disattivata. È attivata per impostazione predefinita. Ad esempio, se un worker che lavora con 5 fotogrammi aggiunge un cuboide nel fotogramma 2, esso viene copiato in tutti i 5 fotogrammi. Se poi il worker effettua delle regolazioni nel fotogramma 4, i fotogrammi 2 e 4 a quel punto agiscono come due punti attraverso i quali viene inserita una linea. Il cuboide viene quindi interpolato nei fotogrammi 1, 3 e 5. + **Gestione in blocco di etichette e attributi**: i worker possono aggiungere, eliminare e rinominare annotazioni, attributi delle categorie di etichette e attributi dei fotogrammi in blocco. + I worker possono eliminare manualmente le annotazioni per un determinato oggetto prima o dopo un fotogramma o in tutti i fotogrammi. Ad esempio, un worker può eliminare tutte le etichette per un oggetto dopo il frame 10 se tale oggetto non si trova più nella scena successiva al frame. + Se un worker elimina accidentalmente tutte le annotazioni relative a un oggetto, può aggiungerle nuovamente. Ad esempio, se un worker elimina tutte le annotazioni per un oggetto prima del frame 100, può aggiungerle in blocco a tali frame. + I worker possono rinominare un'etichetta in un frame e tutti i cuboidi 3D assegnati a tale etichetta vengono aggiornati con il nuovo nome in tutti i frame. + I worker possono utilizzare la modifica in blocco per aggiungere o modificare gli attributi delle categorie di etichette e gli attributi dei frame in più frame. + **Aggancio**: i worker possono aggiungere un cuboide attorno a un oggetto e utilizzare un tasto di scelta rapida o un'opzione di menu per fare in modo che lo strumento di autofit di Ground Truth agganci saldamente il cuboide attorno ai bordi dell'oggetto. + **Adatta a terra**: dopo che un worker aggiunge un cuboide alla scena 3D, il worker può automaticamente agganciare il cuboide al terreno. Ad esempio, il worker può utilizzare questa caratteristica per agganciare un cuboide sulla strada o sul marciapiede nella scena. + **Etichettatura di più visualizzazioni**: dopo che un worker aggiunge un cuboide 3D alla scena 3D, un pannello laterale visualizza le prospettive frontali e a due vie per aiutare il worker ad adattare il cuboide attorno all'oggetto. I worker possono annotare il cloud di punti 3D, il pannello laterale e le regolazioni appaiono nelle altre viste in tempo reale. + **Fusione dei sensori**: se fornisci i dati per la fusione dei sensori, i worker possono adattare nelle scene 3D e nelle immagini 2D le annotazioni che quindi sono proiettate nell'altra visualizzazione in tempo reale. Per ulteriori informazioni sui dati relativi alla fusione dei sensori, consulta [Comprendere i sistemi di coordinate e la fusione dei sensori](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-sensor-fusion-details.html#sms-point-cloud-sensor-fusion). + **Unisci automaticamente cuboidi**: i worker possono unire automaticamente due cuboidi in tutti i fotogrammi se determinano che i cuboidi con etichette diverse rappresentano effettivamente un singolo oggetto. + **Opzioni di visualizzazione**: consente ai worker di nascondere o visualizzare facilmente il testo dell'etichetta, una mesh di terra e altri attributi puntuali come il colore o l'intensità. I worker possono anche scegliere tra proiezioni prospettiche e ortogonali. # Dati di output per un processo di etichettatura per il tracciamento di oggetti 3D-2D Quando crei un processo di etichettatura di monitoraggio di oggetti 3D-2D, le attività vengono inviate ai worker. Quando questi worker completano le attività, le relative annotazioni vengono scritte nel bucket Amazon S3 specificato al momento della creazione del processo di etichettatura. Il formato dei dati di output determina ciò che vedi nel tuo bucket Amazon S3 quando lo stato del processo di etichettatura () è. [LabelingJobStatus](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeLabelingJob.html#API_DescribeLabelingJob_ResponseSyntax)`Completed` Se non hai familiarità con Ground Truth, consulta [Etichettatura dei dati di output di un processo](sms-data-output.md) per ulteriori informazioni sul formato dei dati di output in Ground Truth. Per informazioni sul formato dei dati di output del tracciamento di oggetti della nuvola di punti 3D-2D, consulta [Output del monitoraggio di oggetti in una nuvola di punti 3D-2D](sms-data-output.md#sms-output-3d-2d-point-cloud-object-tracking). # Panoramica dei processi di etichettatura in una nuvola di punti 3D Questo argomento fornisce una panoramica delle caratteristiche uniche di un processo di etichettatura con nuvole di punti 3D Ground Truth. È possibile utilizzare i processi di etichettatura con nuvola di punti 3D per consentire ai worker di etichettare gli oggetti in una nuvola di punti 3D generata da sensori 3D come LiDAR e telecamere di profondità o generata dalla ricostruzione 3D cucendo immagini catturate da un agente come un drone. ## Tempo di pre-elaborazione di un processo Quando si crea un processo di etichettatura con nuvole di punti 3D, è necessario fornire un [file manifest di input](sms-point-cloud-input-data.md). Il file manifest di input può essere: + Un *file manifest di input frame* che ha un singolo frame nuvola di punti su ogni riga. + Un *file manifest di input di sequenza* che ha una singola sequenza su ogni riga. Una sequenza è definita come una serie temporale di frame di nuvole di punti. Per entrambi i tipi di file manifest, il *tempo di elaborazione preliminare del processo*, ovvero il tempo che precede l'inizio dell'invio delle attività ai worker da parte di Ground Truth, dipende dal numero totale e dalle dimensioni dei fotogrammi nuvola di punti forniti nel file manifest di input. Per i file manifest di input del frame, questo è il numero di righe nel file manifest. Per i file manifest di sequenza, si tratta del numero di frame in ogni sequenza moltiplicato per il numero totale di sequenze, o righe, nel file manifest. Inoltre, il numero di punti per nuvola di punti e il numero di oggetti di dati sensore fusi (come le immagini) determinano i tempi di pre-elaborazione del processo. In media, Ground Truth può pre-elaborare 200 fotogrammi di nuvole di punti in circa 5 minuti. Se crei un processo di etichettatura con nuvole di punti 3D con un numero elevato di frame di nuvole di punti, è possibile che i tempi di pre-elaborazione del processo siano più lunghi. Ad esempio, se crei un file manifest di input in sequenza con sequenze di nuvole di 4 punti e ogni sequenza contiene nuvole di 200 punti, Ground Truth pre-elabora nuvole di 800 punti e quindi il tempo di pre-elaborazione del processo potrebbe essere di circa 20 minuti. Durante questo periodo, lo stato del processo di etichettatura è `InProgress`. Mentre il tuo lavoro di etichettatura con nuvole di punti 3D è in fase di pre-elaborazione, ricevi CloudWatch messaggi che ti informano dello stato del tuo lavoro. Per identificare questi messaggi, cerca `3D_POINT_CLOUD_PROCESSING_STATUS` nei registri dei processi di etichettatura. Per **i file manifest di input con frame**, CloudWatch i log avranno un messaggio simile al seguente: ``` { "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" } ``` Il messaggio del log di eventi `datasetObjectId from: 0 to 10, status: IN_PROGRESS` identificherà il numero di frame del file manifest di input che sono stati elaborati. Viene visualizzato un nuovo messaggio ogni volta che viene elaborato un frame. Ad esempio, dopo l'elaborazione di un singolo frame, viene visualizzato un altro messaggio che dice `datasetObjectId from: 1 to 10, status: IN_PROGRESS`. Per **i file manifest di input in sequenza**, CloudWatch i log avranno un messaggio simile al seguente: ``` { "labeling-job-name": "example-point-cloud-labeling-job", "event-name": "3D_POINT_CLOUD_PROCESSING_STATUS", "event-log-message": "datasetObjectId: 0, status: IN_PROGRESS" } ``` Il messaggio del log di eventi `datasetObjectId from: 0, status: IN_PROGRESS` identificherà il numero di sequenze dal file manifest di input elaborate. Viene visualizzato un nuovo messaggio ogni volta che viene elaborata una sequenza. Ad esempio, dopo l'elaborazione di una singola sequenza, viene visualizzato un messaggio che indica `datasetObjectId from: 1, status: IN_PROGRESS` quando inizia l’eleborazione della sequenza successiva. ## Tempi di completamento del processo I processi di etichettatura con nuvole di punti 3D possono richiedere ore di lavoro. È possibile impostare la quantità totale di tempo in cui i worker possono lavorare su ogni attività quando si crea un processo di etichettatura. Il tempo massimo che è possibile impostare per i worker per svolgere le attività è di 7 giorni. Il valore predefinito è 3 giorni. Si consiglia di creare attività che i worker possano completare entro 12 ore. I worker devono mantenere aperta l'interfaccia utente del worker mentre lavorano su un'attività. Possono salvare il lavoro in corso d'opera e Ground Truth salverà il lavoro ogni 15 minuti. Quando utilizzi l'operazione `CreateLabelingJob` API SageMaker AI, imposta il tempo totale in cui un'attività è disponibile per i lavoratori nel `TaskTimeLimitInSeconds` parametro di`HumanTaskConfig`. Quando si crea un processo di etichettatura nella console, è possibile specificare questo limite di tempo quando si seleziona il tipo di forza lavoro e il team di lavoro. ## Forza lavoro Quando crei un processo di etichettatura cloud di punti 3D, devi specificare un team di lavoro che completerà le attività di annotazione della nuvola di punti. Puoi scegliere un team di lavoro da una forza lavoro privata dei tuoi worker o da una forza lavoro di un fornitore da selezionare in Marketplace AWS. Non puoi utilizzare la forza lavoro Amazon Mechanical Turk per i processi di etichettatura con nuvole di punti 3D. Per ulteriori informazioni sulla forza lavoro da un fornitore, consulta [Effettuare l’abbonamento a forze lavoro di fornitori](sms-workforce-management-vendor.md). Per informazioni su come creare e gestire una forza lavoro privata, consulta [Forza lavoro privata](sms-workforce-private.md). ## Interfaccia utente dei worker Ground Truth fornisce un'interfaccia utente (UI) del worker, strumenti e funzioni di etichettatura assistita per aiutare i worker a completare le attività di etichettatura con la nuvola di punti 3D. Puoi visualizzare in anteprima l'interfaccia utente del worker quando crei un processo di etichettatura nella console. Quando crei un processo di etichettatura utilizzando l'operazione API `CreateLabelingJob`, devi fornire un ARN fornito da Ground Truth nel parametro [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) per specificare l'interfaccia utente del worker per il tipo di attività. Puoi utilizzare l'operazione `HumanTaskUiArn` con l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_RenderUiTemplate.html)API SageMaker AI per visualizzare in anteprima l'interfaccia utente del lavoratore. Fornisci istruzioni del worker, etichette e, facoltativamente, attributi di categoria etichette visualizzati nell'interfaccia utente del worker. ### Attributi di categorie delle etichette Quando si crea un processo di tracciamento di oggetti con nuvole di punti 3D o di etichettatura di rilevamento oggetti, è possibile aggiungere uno o più *attributi di categoria dell’etichetta*. Puoi aggiungere *attributi di fotogramma* a tutti i tipi di attività con nuvole di punti 3D: + **Attributo di categoria dell’etichetta**: un elenco di opzioni (stringhe), una casella di testo in formato libero o un campo numerico associato a una o più etichette. Viene utilizzato dai worker per fornire metadati su un'etichetta. + **Attributo fotogramma**: un elenco di opzioni (stringhe), una casella di testo in formato libero o un campo numerico che appare su ogni fotogramma nuvola di punti che un worker dovrà annotare. Viene utilizzato dai worker per fornire metadati sui fotogrammi. Inoltre, puoi utilizzare gli attributi di etichetta e fotogramma per consentire ai worker di verificare le etichette in un processo di verifica delle etichette con nuvole di punti 3D. Utilizza le seguenti sezioni per avere ulteriori informazioni su questi attributi. Per informazioni su come aggiungere attributi di categoria di etichette e fotogrammi, utilizza le sezioni **Crea processo di etichettatura** nella [pagina del tipo di attività](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-point-cloud-task-types) desiderata. #### Attributi di categorie delle etichette Aggiungi gli attributi delle categorie di etichette alle etichette per dare ai worker la possibilità di fornire maggiori informazioni sulle annotazioni che creano. Un attributo di categoria di etichetta viene aggiunto a una singola etichetta o a tutte le etichette. Quando un attributo di categoria di etichetta viene applicato a tutte le etichette, viene definito *attributo di categoria di etichetta globale*. Ad esempio, se aggiungi una categoria di etichetta *auto*, puoi anche acquisire dati aggiuntivi sulle auto etichettate, ad esempio se sono occluse o le dimensioni dell'auto. È possibile acquisire questi metadati utilizzando gli attributi di categoria dell’etichetta. In questo esempio, se è stato aggiunto l'attributo *occluso* alla categoria dell'etichetta auto, è possibile assegnare *parzialmente*, *completamente*, *no* all'attributo *occluso* e i worker possono selezionare una di queste opzioni. Quando si crea un processo di verifica delle etichette, si aggiungono gli attributi di categoria delle etichette a ogni etichetta che si desidera che i worker verifichino. #### Attributi del fotogramma Aggiungi gli attributi dei fotogrammi per consentire ai worker di fornire maggiori informazioni sui singoli fotogrammi nuvola di punti. Puoi specificare fino a 10 attributi del fotogramma e questi attributi verranno visualizzati su tutti i fotogrammi. Ad esempio, puoi aggiungere un attributo del fotogramma che consenta ai worker di inserire un numero. Puoi utilizzare questo attributo per fare in modo che i worker identifichino il numero di oggetti che vedono in un determinato riquadro. In un altro esempio, potresti voler fornire una casella di testo in formato libero per dare ai worker la possibilità di fornire una risposta in formato libero a una domanda. Quando crei un processo di verifica delle etichette, puoi aggiungere uno o più attributi del fotogramma per chiedere ai worker di fornire un feedback su tutte le etichette in un fotogramma nuvola di punti. ### Istruzioni per il lavoratore È possibile fornire istruzioni ai worker per aiutarli a completare i processi di etichettatura con nuvole di punti. È possibile utilizzare queste istruzioni per effettuare le seguenti operazioni: + Procedure consigliate e cose da evitare quando si annotano gli oggetti. + Spiegazione degli attributi di categoria delle etichette forniti (per le attività di rilevamento degli oggetti e monitoraggio degli oggetti) e come utilizzarli. + Consigli su come risparmiare tempo durante l'etichettatura utilizzando le scelte rapide da tastiera. Puoi aggiungere le istruzioni del lavoratore utilizzando la console SageMaker AI durante la creazione di un lavoro di etichettatura. Se crei un processo di etichettatura utilizzando l'operazione API `CreateLabelingJob`, specificare le istruzioni del worker nel file di configurazione della categoria di etichette. Oltre alle istruzioni, GroundTruth fornisce un collegamento per consentire ai worker di spostarsi e utilizzare il portale dei worker. Visualizza queste istruzioni selezionando il tipo di attività su [Istruzioni per il lavoratore](sms-point-cloud-worker-instructions.md). ### Rifiuto delle attività I worker possono rifiutare le attività. I worker rifiutano un'attività se le istruzioni non sono chiare, i dati di input non vengono visualizzati correttamente o se riscontrano altri problemi con l'attività. Se il numero di worker per oggetto set di dati ([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)) rifiuta l'attività, l'oggetto dati viene contrassegnato come scaduto e non verrà inviato ad altri worker. # Requisiti per l’autorizzazione dei processi di etichettatura in una nuvola di punti 3D Quando crei un processo di etichettatura con nuvole di punti 3D, oltre ai requisiti di autorizzazione disponibili in [Assegnare le autorizzazioni IAM per utilizzare Ground Truth](sms-security-permission.md), è necessario aggiungere una policy CORS al bucket S3 contenente il file manifest di input. ## Aggiungere una policy di autorizzazione CORS al bucket S3 Quando crei un processo di etichettatura con nuvole di punti 3D, specifichi i bucket in S3 in cui si trovano i dati di input e il file manifest e dove verranno archiviati i dati di output. Questi bucket possono essere gli stessi. Devi collegare la policy CORS (Cross-Origin Resource Sharing) seguente ai bucket di input e output. Se utilizzi la console Amazon S3 per aggiungere la policy al tuo bucket, devi utilizzare il formato JSON. **JSON** ``` [ { "AllowedHeaders": [ "*" ], "AllowedMethods": [ "GET", "HEAD", "PUT" ], "AllowedOrigins": [ "*" ], "ExposeHeaders": [ "Access-Control-Allow-Origin" ], "MaxAgeSeconds": 3000 } ] ``` **XML** ```