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 lavoratori 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 lavoratore minimo. I lavoratori possono perfezionare la maschera generata dallo strumento di segmentazione automatica utilizzando altri strumenti disponibili nella console di lavoro. In tal modo i lavoratori 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.

Nota

Lo strumento di segmentazione automatica è disponibile per le attività di segmentazione inviate a una forza lavoro privata o a una forza lavoro del fornitore. Non è disponibile per le attività inviate alla forza lavoro pubblica (Amazon Mechanical Turk).

Anteprima dello strumento

Quando ai lavoratori 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 lavoratore potrebbe vedere quanto segue nella console di lavoro:

I lavoratori possono utilizzare View full instructions (Visualizza istruzioni complete) per imparare a utilizzare lo strumento. I lavoratori 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 lavoratori 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 Nozioni di base

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 l'API Ground 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:

• Per i processi di etichettatura di segmentazione semantica creati utilizzando l'API, <crowd-semantic-segmentation> è presente nel modello di attività. Per i processi di etichettatura di segmentazione di istanza personalizzata, il tag <crowd-instance-segmentation> è presente nel modello di attività.

• L'attività viene assegnata a una forza lavoro privata o a una forza lavoro del fornitore.

• Le immagini da etichettare sono oggetti Amazon Simple Storage Service (Amazon S3) pre-firmati per il lavoratore in modo che possa accedervi. Questo è vero se il modello di attività include il filtro grant_read_access. Per ulteriori informazioni sul filtro grant_read_access, consulta Aggiunta di automazione con Liquid.

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>