使用語意分割識別影像內容 - Amazon SageMaker
建立語意分割標籤工作 (主控台)建立語意分割標籤任務 （API）語意分割輸出資料

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

使用語意分割識別影像內容

若要在像素層級識別影像的內容，請使用 Amazon SageMaker Ground Truth 語意分割標籤任務。指派語意分割標籤工作時，工作者會將影像中的像素分類為一組預先定義的標籤或類別。Ground Truth 支援單一類別和多類別語意分割標籤工作。您可以使用 Amazon SageMaker 主控台的 Ground Truth 區段或 CreateLabelingJob操作建立語意分割標籤任務。

如果影像包含需要分割的大量物件，則會需要更多時間。為協助工作者 (來自私有或廠商人力資源) 縮短標籤這些物件的時間並提高準確性，Ground Truth 提供了 AI 輔助的自動分割工具。如需相關資訊，請參閱 自動分割工具。

重要

對於此任務類型，如果您建立自己的資訊清單檔案，請使用 "source-ref" 來識別您要在 Amazon S3 中標籤的每個影像檔案位置。如需詳細資訊，請參閱輸入資料。

建立語意分割標籤工作 (主控台)

您可以遵循指示建立標記任務 (主控台)，了解如何在 SageMaker 主控台中建立語意分割標籤任務。在步驟 10 中，從任務類別下拉式清單中選擇影像，然後選擇語意分割作為任務類型。

Ground Truth 提供類似下列標籤任務的工作者使用者介面。使用主控台建立標籤工作時，您可以指定指示以協助工作者完成工作，以及工作者可以選擇的標籤。

Gif 顯示如何在 SageMaker 主控台中建立語意分割標籤任務的範例。

建立語意分割標籤任務 （API）

若要建立語意分割標籤任務，請使用 SageMaker API操作 CreateLabelingJob。這會為所有 API定義此操作 AWS SDKs。若要查看此操作SDKs支援的特定語言清單，請檢閱 的另請參閱 一節CreateLabelingJob。

設定請求時，請遵循建立標記任務 (API)上的指示並執行下列動作：

  • 此任務類型的註釋前 Lambda 函式會以 PRE-SemanticSegmentation 結尾。若要尋找ARN您 區域的預先註釋 Lambda，請參閱 PreHumanTaskLambdaArn 。

  • 此任務類型的註釋合併 Lambda 函式會以 ACS-SemanticSegmentation 結尾。若要尋找ARN您 區域的註釋合併 Lambda，請參閱 AnnotationConsolidationLambdaArn。

以下是在美國東部 AWS SDK（維吉尼亞北部） 區域中建立標籤工作的 Python （Boto3） 請求範例。所有以紅色標示的參數都應該用您的規格和資源加以取代。

response = client.create_labeling_job(
    LabelingJobName='example-semantic-segmentation-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': {
            'UiTemplateS3Uri': 's3://bucket/path/worker-task-template.html'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-SemanticSegmentation,
        'TaskKeywords': [
            'Semantic Segmentation',
        ],
        'TaskTitle': 'Semantic segmentation task',
        'TaskDescription': 'For each category provided, segment out each relevant object using the color associated with that category',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-SemanticSegmentation'
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)

提供語意分割標籤工作的範本。

如果您使用 建立標籤工作API，則必須在 中提供工作者任務範本UiTemplateS3Uri。複製並修改下列範本。僅修改 short-instructions、full-instructions 和 header。

將此範本上傳至 S3，並在 中提供此檔案URI的 S3UiTemplateS3Uri。

<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-semantic-segmentation
    name="crowd-semantic-segmentation"
    src="{{ task.input.taskObject | grant_read_access }}"
    header="Please segment out all pedestrians."
    labels="{{ task.input.labels | to_json | escape }}"
  >
    <full-instructions header="Segmentation instructions">
      <ol><li><strong>Read</strong> the task carefully and inspect the image.</li>
      <li><strong>Read</strong> the options and review the examples provided to understand more about the labels.</li>
      <li><strong>Choose</strong> the appropriate label that best suits an object and paint that object using the tools provided.</li></ol>
    </full-instructions>
    <short-instructions>
      <h2><span style="color: rgb(0, 138, 0);">Good example</span></h2>
      <p>Enter description to explain a correctly done segmentation</p>
      <p><br></p><h2><span style="color: rgb(230, 0, 0);">Bad example</span></h2>
      <p>Enter description of an incorrectly done segmentation</p>
    </short-instructions>
  </crowd-semantic-segmentation>
</crowd-form>

語意分割輸出資料

建立語意分割標籤任務之後，當您使用 API或 時，輸出資料將位於 主控台工作概觀區段的輸出資料集位置欄位中S3OutputPath參數中指定的 Amazon S3 儲存貯體中。

若要進一步了解 Ground Truth 產生的輸出資訊清單檔案，以及 Ground Truth 用來儲存輸出資料的檔案結構，請參閱標記任務輸出資料。

若要查看語意分割標籤工作的輸出資訊清單檔案範例，請參閱3D 點雲端語意分割輸出。