本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
图像语义分割
要在像素级别识别图像的内容,请使用亚马逊 SageMaker Ground Truth 语义分段标注任务。分配语义分段标注作业时,工作人员会将图像中的像素分类为一组预定义的标签或类别。Ground Truth 支持单类和多类语义分段标注作业。
您可以使用亚马逊的 Ground Truth 部分创建语义分段标注作业 SageMaker控制台或CreateLabelingJob
操作。
重要
对于此任务类型,如果您创建自己的清单文件,请使用"source-ref"
以确定您要在 Amazon S3 中标记的每个图像文件的位置。有关更多信息,请参阅 输入数据。
创建语义分段标记作业(控制台)
你可以按照说明进行操作创建标记作业(控制台)学习如何在中创建语义分段标注作业 SageMaker 控制台。在步骤 10 中,选择映像来自 的任务类别下拉菜单,然后选择语义分段作为任务类型。
Ground Truth 为标记任务提供了一个类似于以下内容的工作用户界面。使用控制台创建标记作业时,需要指定说明,以帮助工作人员完成工作人员可以从中选择的作业和标签。

创建语义分段标记作业 (API)
要创建语义分段标注作业,请使用 SageMaker API 操作CreateLabelingJob
. 该 API 为所有 Amazon 开发工具包定义了该操作。要查看此操作支持的特定语言的 SDK 列表,请查看另请参阅部分CreateLabelingJob
.
请按照创建标记作业 (API)中的说明进行操作,并在配置请求时执行以下操作:
-
此任务类型的预注释 Lambda 函数的结尾为
PRE-SemanticSegmentation
. 要查找您所在地区的预注释 Lambda ARN,请参阅PreHumanTaskLambdaArn. -
此任务类型的注释合并 Lambda 函数结尾为
ACS-SemanticSegmentation
. 要查找您所在地区的注释整合 Lambda ARN,请参阅AnnotationConsolidationLambdaArn.
以下是的示例AmazonPython SDK (Boto3) 请求
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'
}, ] )
为语义分段标记作业提供模板
如果要使用 API 创建标记作业,必须在 UiTemplateS3Uri
中提供工作人员任务模板。复制并修改以下模板。仅修改 short-instructions
、full-instructions
和 header
。
将此模板上传到 S3,并在 UiTemplateS3Uri
中为此文件提供 S3 URI。
语义分割输出数据
创建语义分段标记任务后,您的输出数据将位于指定的 Amazon S3 存储桶中S3OutputPath
使用 API 时或在输出数据集位置的子位置类型Job 概述控制台的部分。
要了解有关 Ground Truth 生成的输出清单文件以及 Ground Truth 用来存储输出数据的文件结构的更多信息,请参阅输出数据.
要查看语义分段标记作业的输出清单文件示例,请参阅 3D 点云语义分割输出。