As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Ferramenta de segmentação automática
A segmentação da imagem é o processo da divisão de uma imagem em vários segmentos ou conjuntos de pixels rotulados. No Amazon SageMaker Ground Truth, o processo de identificação de todos os pixels que se enquadram em um determinado rótulo envolve a aplicação de um preenchimento colorido, ou “máscara”, sobre esses pixels. Algumas tarefas de trabalho de rotulagem contêm imagens com um grande número de objetos que precisam ser segmentados. Para ajudar os operadores a rotular esses objetos em menos tempo e com maior precisão, o Ground Truth fornece uma ferramenta de segmentação automática para tarefas de segmentação atribuídas a forças de trabalho privadas e de fornecedores. Essa ferramenta usa um modelo de machine learning para segmentar automaticamente objetos individuais na imagem com o mínimo de entrada do operador. Os operadores podem refinar a máscara gerada pela ferramenta de segmentação automática usando outras ferramentas disponíveis no console do operador. Isso os ajuda a concluir tarefas de segmentação de imagens com mais rapidez e precisão, resultando em menor custo e maior qualidade do rótulo.
nota
A ferramenta de segmentação automática está disponível para as tarefas de segmentação enviadas para uma força de trabalho privada ou de fornecedor. Ela não está disponível para as tarefas enviadas à força de trabalho pública (Amazon Mechanical Turk).
Visualização da ferramenta
Quando os operadores recebem um trabalho de rotulagem que fornece a ferramenta de segmentação automática, eles recebem as instruções detalhadas sobre como usá-la. Por exemplo, um operador pode ver o seguinte no console do operador:
![Exemplo de interface de usuário com instruções sobre como usar a ferramenta no console de trabalho.](images/sms/gifs/semantic-segmentation.gif)
Os operadores podem acessar View full instructions (Exibir instruções completas) para saber como usar a ferramenta. Os operadores precisarão colocar um ponto nos quatro extremos (pontos mais alto, mais baixo, mais à esquerda e mais à direita) do objeto de interesse, e a ferramenta gerará automaticamente uma máscara para o objeto. Os operadores podem refinar ainda mais a máscara usando outras ferramentas fornecidas ou a ferramenta de segmentação automática em partes menores do objeto que ficaram sem o rótulo.
Disponibilidade da ferramenta
A ferramenta de segmentação automática aparece automaticamente nos consoles de seus funcionários se você criar um trabalho de rotulagem de segmentação semântica usando o console da Amazon. SageMaker Ao criar um trabalho de segmentação semântica no SageMaker console, você poderá visualizar a ferramenta enquanto cria instruções para trabalhadores. Para saber como criar uma tarefa de rotulagem de segmentação semântica no SageMaker console, consulte. Conceitos básicos
Se você estiver criando um trabalho de rotulagem de segmentação de instâncias personalizado no SageMaker console ou criando um trabalho de rotulagem de segmentação semântica ou de instância usando o Ground TruthAPI, precisará criar um modelo de tarefa personalizado para criar seu console de trabalho e instruções. Para incluir a ferramenta de segmentação automática no console do operador, certifique-se de que as seguintes condições sejam atendidas no modelo de tarefa personalizado:
-
Para tarefas de rotulagem de segmentação semântica criadas usando oAPI, o
<crowd-semantic-segmentation>
está presente no modelo de tarefa. Para trabalhos de rotulagem de segmentação de instância personalizados, a tag<crowd-instance-segmentation>
deve constar no modelo de tarefa. -
A tarefa é atribuída a uma força de trabalho privada ou de fornecedor.
-
As imagens a serem rotuladas são objetos do Amazon Simple Storage Service (Amazon S3) pré-assinados para o operador, para que ele possa acessá-las. Isso será verdadeiro se o modelo de tarefa incluir o filtro
grant_read_access
. Para obter mais informações sobre o filtrogrant_read_access
, consulte Adicionar automação com o Liquid.
Veja a seguir um exemplo de modelo de tarefa personalizado para um trabalho de rotulagem de segmentação de instância personalizada, incluindo a tag <crowd-instance-segmentation/>
e o filtro grant_read_access
do Liquid.
<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>