의미 세분화를 사용하여 이미지 콘텐츠 식별

픽셀 수준에서 이미지의 내용을 식별하려면 Amazon SageMaker Ground Truth 의미 체계 세분화 레이블 지정 작업을 사용하세요. 의미 체계 세분화 레이블 지정 작업을 할당받은 작업자는 이미지의 픽셀을 사전 정의된 레이블 또는 클래스로 구성된 세트로 분류합니다. Ground Truth는 단일 및 다중 클래스 의미 체계 세분화 레이블 지정 작업을 지원합니다. Amazon SageMaker AI 콘솔의 Ground Truth 섹션 또는 작업을 사용하여 의미 체계 분할 레이블 CreateLabelingJob 지정 작업을 생성합니다.

이미지에 세분화해야 하는 객체 수가 많은 경우에는 더 많은 시간이 필요합니다. Ground Truth는 작업자(프라이빗 작업 인력 또는 공급업체 작업 인력)가 보다 짧은 시간 동안 더 정확하게 레이블을 지정할 수 있도록 AI 지원 자동 세분화 도구를 제공합니다. 자세한 내용은 자동 세분화 도구을 참조하세요.

중요

이 작업 유형에서 고유한 매니페스트 파일을 생성할 경우, "source-ref"를 사용하여 Amazon S3에서 레이블을 지정할 각 이미지의 위치를 식별하세요. 자세한 내용은 입력 데이터 섹션을 참조하세요.

의미 체계 분할 레이블 지정 작업 생성(콘솔)

지침에 따라 SageMaker AI 콘솔에서 의미 체계 분할 레이블 지정 작업을 생성하는 방법을 레이블 지정 작업 생성(콘솔) 배울 수 있습니다. 10단계에서는 작업 범주 드롭다운 메뉴에서 이미지를 선택하고 의미 체계 세분화를 작업 유형으로 선택하세요.

Ground Truth는 레이블 지정 작업에 대해 다음과 유사한 작업자 UI를 제공합니다. 콘솔을 사용하여 레이블 지정 작업을 생성할 때 작업자가 작업을 완료하는 데 도움이 되는 지침과 작업자가 선택할 수 있는 레이블을 지정합니다.

의미 체계 분할 레이블 지정 작업 생성(API)

의미 체계 세분화 레이블 지정 작업을 생성하려면 SageMaker API 연산 CreateLabelingJob을(를) 사용하세요. 이 API AWS SDKs에 대해이 작업을 정의합니다. 이 작업에 지원되는 언어별 SDK 목록을 보려면 CreateLabelingJob의 참고 항목 섹션을 검토하세요.

레이블 지정 작업 생성(API)의 지침에 따라 요청을 구성하는 동안 다음을 수행합니다.

• 이 작업 유형에 대한 주석 전 Lambda 함수는 PRE-SemanticSegmentation로 끝납니다. 해당 리전의 주석 전 Lambda ARN을 찾으려면 PreHumanTaskLambdaArn을 참조하세요.

• 이 작업 유형에 대한 주석 통합 Lambda 함수는 ACS-SemanticSegmentation로 끝납니다. 해당 리전에 대한 주석 통합 Lambda ARN을 찾으려면 AnnotationConsolidationLambdaArn을 참조하세요.

다음은 미국 동부(버지니아 북부) 리전에 레이블 지정 작업을 생성하는 AWS Python SDK(Boto3) 요청의 예시입니다. 빨간색으로 된 모든 파라미터는 사양과 리소스로 대체해야 합니다.

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'
        },
    ]
)

의미 체계 분할 레이블 지정 작업을 위한 템플릿 제공

API를 사용하여 레이블 지정 작업을 생성하는 경우 UiTemplateS3Uri의 작업자 태스크 템플릿을 제공해야 합니다. 다음 템플릿을 복사하고 수정합니다. short-instructions, full-instructions 및 header만 수정합니다.

이 템플릿을 S3에 업로드하고 UiTemplateS3Uri에서 이 파일에 대한 S3 URI를 제공합니다.

<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>

의미 체계 분할 출력 데이터

의미 체계 세분화 레이블 지정 작업을 생성하고 나면 출력 데이터가 API 사용 시 S3OutputPath 파라미터에 지정된 Amazon S3 버킷에 위치하거나, 콘솔의 작업 개요 섹션의 출력 데이터세트 위치 필드에 위치하게 됩니다.

Ground Truth에서 생성된 출력 매니페스트 파일 및 Ground Truth에서 출력 데이터 저장에 사용하는 파일 구조에 대한 자세한 내용은 작업 출력 데이터 레이블 지정을(를) 참조하세요.

의미 체계 분할 레이블 지정 작업에 대한 출력 매니페스트 파일의 예제를 보려면 3D 포인트 클라우드 의미 체계 분할 출력 섹션을 참조하세요.