Criar modelos personalizados de tarefas para operadores

Os Crowd HTML Elements são componentes da web que fornecem vários widgets de tarefas e elementos de design que você pode personalizar de acordo com a pergunta que deseja fazer. Você pode usar esses elementos de público para criar um modelo personalizado de trabalhador e integrá-lo a um fluxo de trabalho de revisão humana do Amazon Augmented AI (Amazon A2I) para personalizar o console do trabalhador e as instruções.

Para obter uma lista de todos os elementos de HTML multidão disponíveis para os usuários do Amazon A2I, consulte. Referência do Crowd HTML Elements Para obter exemplos de modelos, consulte o AWS GitHubrepositório, que contém mais de 60 exemplos de modelos de tarefas personalizadas.

Desenvolver modelos localmente

Quando estiver no console para testar como o modelo processa os dados recebidos, você pode testar a aparência do modelo HTML e dos elementos personalizados no navegador adicionando o código a seguir na parte superior do HTML arquivo.

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>

Isso carrega o código necessário para renderizar os HTML elementos personalizados. Use esse código caso deseje desenvolver a aparência de seu modelo no editor de sua preferência, e não no console.

Esse código não analisará suas variáveis. Você pode querer substituí-las por um conteúdo de amostra ao desenvolver localmente.

Usar ativos externos

Os modelos personalizados do Amazon Augmented AI permitem que você incorpore scripts externos e folhas de estilo. Por exemplo, o cabeçalho a seguir incorpora um nome de folha de estilo de text/css stylesheet localizado em https://www.example.com/my-enhancement-styles.css no modelo personalizado.

<script src="https://www.example.com/my-enhancment-script.js"></script>
<link rel="stylesheet" type="text/css" href="https://www.example.com/my-enhancement-styles.css">

Se você encontrar erros, verifique se o servidor de origem está enviando o MIME tipo correto e os cabeçalhos de codificação com os ativos.

Por exemplo, o tipo de codificação MIME e para scripts remotos éapplication/javascript;CHARSET=UTF-8.

O tipo de codificação MIME e para folhas de estilo remotas é. text/css;CHARSET=UTF-8

Rastrear as variáveis

Ao criar um modelo personalizado, adicione variáveis a ele para representar as partes de dados que podem mudar de tarefa para tarefa ou de operador para operador. Se você estiver começando com um dos modelos de amostra, será necessário estar ciente das variáveis que ele já usa.

Por exemplo, para um modelo personalizado que integra um ciclo de revisão humana do Amazon Augmented AI com uma tarefa de revisão de texto do Amazon Textract, o {{ task.input.selectedAiServiceResponse.blocks }} é usado como dados de entrada de valor inicial. Para a integração do Amazon Augmented AI (Amazon A2I) com o Amazon Rekognition, {{ task.input.selectedAiServiceResponse.moderationLabels }} é usado. Para um tipo de tarefa personalizado, é necessário determinar o parâmetro de entrada para o tipo de tarefa. Use {{ task.input.customInputValuesForStartHumanLoop}} onde você especificar customInputValuesForStartHumanLoop.

Exemplo de modelo personalizado do Amazon Textract

Todos os modelos personalizados começam e terminam com os elementos <crowd-form> </crowd-form>. Como os HTML <form> elementos padrão, todo o código do formulário deve estar entre esses elementos.

Para uma tarefa de análise de documentos do Amazon Textract, use o elemento <crowd-textract-analyze-document>. Ele usa os seguintes atributos:

Para os filhos do elemento <crowd-textract-analyze-document>, é necessário ter duas Regiões. Você pode usar CSS elementos HTML e elementos arbitrários nessas regiões.

Um modelo do Amazon Textract seria semelhante ao seguinte.

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
{% capture s3_uri %}http://s3.amazonaws.com/{{ task.input.aiServiceRequest.document.s3Object.bucket }}/{{ task.input.aiServiceRequest.document.s3Object.name }}{% endcapture %}

<crowd-form>
  <crowd-textract-analyze-document
    src="{{ s3_uri | grant_read_access }}"
    initial-value="{{ task.input.selectedAiServiceResponse.blocks }}"
    header="Review the key-value pairs listed on the right and correct them if they don't match the following document."
    no-key-edit
    no-geometry-edit
    keys="{{ task.input.humanLoopContext.importantFormKeys }}"
    block-types="['KEY_VALUE_SET']"
  >
    <short-instructions header="Instructions">
      <style>
        .instructions {
          white-space: pre-wrap;
        }
        .instructionsImage {
          display: inline-block;
          max-width: 100%;
        }
      </style>
      <p class='instructions'>Choose a key-value block to highlight the corresponding key-value pair in the document.

If it is a valid key-value pair, review the content for the value. If the content is incorrect, correct it.

The text of the value is incorrect, correct it.
<img class='instructionsImage' src="https://example-site/correct-value-text.png" />

A wrong value is identified, correct it.
<img class='instructionsImage' src="https://example-site/correct-value.png" />

If it is not a valid key-value relationship, choose No.
<img class='instructionsImage' src="https://example-site/not-a-key-value-pair.png" />

If you can’t find the key in the document, choose Key not found.
<img class='instructionsImage' src="https://example-site/key-is-not-found.png" />

If the content of a field is empty, choose Value is blank.
<img class='instructionsImage' src="https://example-site/value-is-blank.png" />

<b>Examples</b>
Key and value are often displayed next to or below to each other.

Key and value displayed in one line.
<img class='instructionsImage' src="https://example-site/sample-key-value-pair-1.png" />

Key and value displayed in two lines.
<img class='instructionsImage' src="https://example-site/sample-key-value-pair-2.png" />

If the content of the value has multiple lines, enter all the text without a line break. Include all value text even if it extends beyond the highlight box.
<img class='instructionsImage' src="https://assets.crowd.aws/images/a2i-console/multiple-lines.png" /></p>
    </short-instructions>

    <full-instructions header="Instructions"></full-instructions>
  </crowd-textract-analyze-document>
</crowd-form>

Exemplo de modelo personalizado do Amazon Rekognition

Todos os modelos personalizados começam e terminam com os elementos <crowd-form> </crowd-form>. Como os HTML <form> elementos padrão, todo o código do formulário deve estar entre esses elementos. Para um modelo de tarefa personalizado do Amazon Rekognition, use o elemento <crowd-rekognition-detect-moderation-labels>. Esse elemento oferece suporte aos seguintes atributos:

Para os filhos do elemento <crowd-rekognition-detect-moderation-labels>, é necessário ter duas Regiões.

Um modelo que use esses elementos seria semelhante ao seguinte.

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
{% capture s3_uri %}http://s3.amazonaws.com/{{ task.input.aiServiceRequest.image.s3Object.bucket }}/{{ task.input.aiServiceRequest.image.s3Object.name }}{% endcapture %}

<crowd-form>
  <crowd-rekognition-detect-moderation-labels
    categories='[
      {% for label in task.input.selectedAiServiceResponse.moderationLabels %}
        {
          name: "{{ label.name }}",
          parentName: "{{ label.parentName }}",
        },
      {% endfor %}
    ]'
    src="{{ s3_uri | grant_read_access }}"
    header="Review the image and choose all applicable categories."
  >
    <short-instructions header="Instructions">
      <style>
        .instructions {
          white-space: pre-wrap;
        }
      </style>
      <p class='instructions'>Review the image and choose all applicable categories.
If no categories apply, choose None.

<b>Nudity</b>
Visuals depicting nude male or female person or persons

<b>Graphic Male Nudity</b>
Visuals depicting full frontal male nudity, often close ups

<b>Graphic Female Nudity</b>
Visuals depicting full frontal female nudity, often close ups

<b>Sexual Activity</b>
Visuals depicting various types of explicit sexual activities and pornography

<b>Illustrated Nudity or Sexual Activity</b>
Visuals depicting animated or drawn sexual activity, nudity, or pornography

<b>Adult Toys</b>
Visuals depicting adult toys, often in a marketing context

<b>Female Swimwear or Underwear</b>
Visuals depicting female person wearing only swimwear or underwear

<b>Male Swimwear Or Underwear</b>
Visuals depicting male person wearing only swimwear or underwear

<b>Partial Nudity</b>
Visuals depicting covered up nudity, for example using hands or pose

<b>Revealing Clothes</b>
Visuals depicting revealing clothes and poses, such as deep cut dresses

<b>Graphic Violence or Gore</b>
Visuals depicting prominent blood or bloody injuries

<b>Physical Violence</b>
Visuals depicting violent physical assault, such as kicking or punching

<b>Weapon Violence</b>
Visuals depicting violence using weapons like firearms or blades, such as shooting

<b>Weapons</b>
Visuals depicting weapons like firearms and blades

<b>Self Injury</b>
Visuals depicting self-inflicted cutting on the body, typically in distinctive patterns using sharp objects

<b>Emaciated Bodies</b>
Visuals depicting extremely malnourished human bodies

<b>Corpses</b>
Visuals depicting human dead bodies

<b>Hanging</b>
Visuals depicting death by hanging</p>
    </short-instructions>

    <full-instructions header="Instructions"></full-instructions>
  </crowd-rekognition-detect-moderation-labels>
</crowd-form>

Adicionar automação com o Liquid

O sistema de modelo personalizado usa o Liquid para automação. Liquid é uma linguagem de marcação em linha de código aberto. Para obter mais informações e acessar a documentação, consulte a página inicial do Liquid.

No Liquid, o texto entre chaves simples e símbolos de percentagem é uma instrução ou tag que realiza uma operação, como controle de fluxo ou iteração. O texto entre chaves duplas é uma variável ou um objeto que gera seu valor. A lista a seguir inclui dois tipos de etiquetas líquidas que podem ser úteis para automatizar o processamento de dados de entrada de modelos. Se você selecionar um dos seguintes tipos de tag, será redirecionado para a documentação do Liquid.

Usar filtros de variáveis

Além dos filtros e ações padrão do Liquid, o Amazon Augmented AI (Amazon A2I) oferece filtros adicionais. Os filtros são aplicados colocando um caractere de barra vertical (|) após o nome da variável e especificando o nome de um filtro. Para encadear filtros, use o seguinte formato.

{{ <content> | <filter> | <filter> }}

Escape automático e escape explícito

Por padrão, as entradas têm HTML escape para evitar confusão entre o texto da variável e. HTML Você pode adicionar explicitamente o filtro escape para tornar mais óbvio para alguém que esteja lendo o código-fonte de seu modelo que o escape está sendo feito.

escape_once

escape_once garante que, se o código já tiver sido escapado, ele não será escapado novamente. Por exemplo, para garantir que & não se torne &.

skip_autoescape

skip_autoescapeé útil quando seu conteúdo deve ser usado comoHTML. Por exemplo, você pode ter alguns parágrafos de texto e algumas imagens nas instruções completas de uma caixa delimitadora.

to_json

to_jsoncodifica os dados que você fornece para JavaScript Object Notation ()JSON. Se você fornecer um objeto, ele o serializará.

grant_read_access

grant_read_accesspega um Amazon Simple Storage Service (Amazon URI S3) e o codifica em HTTPS URL um com um token de acesso de curta duração para esse recurso. Isso possibilita exibir objetos de fotografia, áudio ou vídeo armazenados em buckets do S3 que, de outra forma, não são acessíveis publicamente para operadores.

auto-escape: {{ "Have you read 'James & the Giant Peach'?" }}
explicit escape: {{ "Have you read 'James & the Giant Peach'?" | escape }}
explicit escape_once: {{ "Have you read 'James & the Giant Peach'?" | escape_once }}
skip_autoescape: {{ "Have you read 'James & the Giant Peach'?" | skip_autoescape }}
to_json: {{ jsObject | to_json }}                
grant_read_access: {{ "s3://amzn-s3-demo-bucket/myphoto.png" | grant_read_access }}

auto-escape: Have you read 'James & the Giant Peach'?
explicit escape: Have you read 'James & the Giant Peach'?
explicit escape_once: Have you read 'James & the Giant Peach'?
skip_autoescape: Have you read 'James & the Giant Peach'?
to_json: { "point_number": 8, "coords": [ 59, 76 ] }
grant_read_access: https://s3.amazonaws.com/amzn-s3-demo-bucket/myphoto.png?<access token and other params>

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-classifier 
    name="tweetFeeling"
    categories="['positive', 'negative', 'neutral', 'cannot determine']"
    header="Which term best describes this tweet?" 
  >
    <classification-target>
       {{ task.input.source }}
    </classification-target>

    <full-instructions header="Analyzing a sentiment">
      Try to determine the feeling the author 
      of the tweet is trying to express. 
      If none seems to match, choose "other."
    </full-instructions>

    <short-instructions>
      Pick the term that best describes the sentiment 
      of the tweet. 
    </short-instructions>

  </crowd-classifier>
</crowd-form>

Visualizar um modelo de tarefa de operador

Para visualizar um modelo de tarefa de trabalhador personalizado, use a SageMaker RenderUiTemplate operação. Você pode usar a RenderUiTemplate operação com o AWS CLI ou o seu preferido AWS SDK. Para obter documentação sobre o idioma suportado específico SDKs para essa API operação, consulte a See Alsoseção do RenderUiTemplate.

Pré-requisitos

Para visualizar seu modelo de tarefa de trabalhador, o AWS Identity and Access Management (IAM) role Amazon Resource Name (ARN) ouRoleArn, que você usa, deve ter permissão para acessar os objetos do S3 que são usados pelo modelo. Para saber como configurar sua função ou usuário, consulte Habilitar visualizações do modelo de tarefa de operador .

Depois de configurarRenderUiTemplate, use seu preferido SDK ou o AWS CLI para enviar uma solicitação para renderizar seu modelo. Se sua solicitação for bem-sucedida, a resposta RenderedContentincluirá um modelo Liquid que renderiza a interface do usuário HTML para o trabalhador.