Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Strumento di auto-segmentazione

La segmentazione dell'immagine è il processo di divisione di un'immagine in più segmenti o set di pixel etichettati. In Amazon SageMaker Ground Truth, il processo di identificazione di tutti i pixel che rientrano in una determinata etichetta prevede l'applicazione di un riempitivo colorato, o «maschera», su tali pixel. Alcune attività del processo di etichettatura contengono immagini con un numero elevato di oggetti che devono essere segmentati. Per aiutare i worker a etichettare questi oggetti in meno tempo e con maggiore precisione, Ground Truth fornisce uno strumento di segmentazione automatica per le attività di segmentazione assegnate a forze lavoro private e del fornitore. Questo strumento utilizza un modello di machine learning per segmentare automaticamente i singoli oggetti nell'immagine con un input del worker minimo. I worker possono perfezionare la maschera generata dallo strumento di segmentazione automatica utilizzando altri strumenti disponibili nella console di lavoro. In tal modo i worker possono completare le attività di segmentazione delle immagini in modo più rapido e preciso, con conseguente riduzione dei costi e una qualità delle etichette più elevata. La pagina seguente fornisce informazioni sullo strumento e sulla sua disponibilità.

Anteprima dello strumento

Quando ai worker viene assegnato un processo di etichettatura che fornisce lo strumento di segmentazione automatica, vengono fornite istruzioni dettagliate su come utilizzare lo strumento. Ad esempio, un worker potrebbe vedere quanto segue nella console di lavoro:

I worker possono utilizzare Visualizza istruzioni complete per imparare a utilizzare lo strumento. I worker devono posizionare un punto sui quattro punti estremi (il più alto, il più basso, il più a sinistra e il più a destra) dell'oggetto di interesse in modo che lo strumento generi automaticamente una maschera per l'oggetto. I worker possono perfezionare ulteriormente la maschera utilizzando gli altri strumenti forniti o utilizzando lo strumento di segmentazione automatica su porzioni più piccole dell'oggetto che sono andate perse.

Disponibilità degli strumenti

Lo strumento di segmentazione automatica viene visualizzato automaticamente nelle console di lavoro se crei un lavoro di etichettatura semantica di segmentazione utilizzando la console Amazon. SageMaker Durante la creazione di un lavoro di segmentazione semantica nella SageMaker console, potrai visualizzare in anteprima lo strumento mentre crei le istruzioni per il lavoratore. Per informazioni su come creare un processo di etichettatura a segmentazione semantica nella console, consulta. SageMaker Guida introduttiva: crea un lavoro di etichettatura dei riquadri delimitatori con Ground Truth

Se stai creando un processo di etichettatura di segmentazione dell'istanza personalizzato nella SageMaker console o stai creando un lavoro di etichettatura di segmentazione dell'istanza o semantica utilizzando Ground API Truth, devi creare un modello di attività personalizzato per progettare la console di lavoro e le istruzioni. Per includere lo strumento di segmentazione automatica nella console di lavoro, verifica che nel modello di attività personalizzato siano soddisfatte le seguenti condizioni:

Di seguito è riportato un esempio di modello di attività personalizzato per un processo di etichettatura di segmentazione di istanza personalizzata che include il tag <crowd-instance-segmentation/> e il 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>