Como posso usar um modelo de interface de usuário personalizado com as funções do Lambda fornecidas pela AWS no Ground Truth?

Resolução

Crie um modelo de interface de usuário personalizado para o trabalho de rotulagem, conforme mostrado no exemplo a seguir:

1. Para trabalhos de segmentação semântica, defina a variável name como crowd-semantic-segmentation, conforme mostrado no exemplo a seguir. Para trabalhos de caixa delimitadora, defina a variável name como boundingBox. Para ver uma lista completa de elementos HTML aprimorados para modelos personalizados, consulte Referência do Crowd HTML Elements.

   <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= "{{ task.input.header }}" labels="{{ task.input.labels | to_json | escape }}">
   
           <full-instructions header= "Segmentation Instructions">
               <ol>
                   <li>Read the task carefully and inspect the image.</li>
                   <li>Read the options and review the examples provided to understand more about the labels.</li>
                   <li>Choose the appropriate label that best suits the image.</li>
               </ol>
           </full-instructions>
   
           <short-instructions>
               <p>Use the tools to label the requested items in the image</p>
           </short-instructions>
       </crowd-semantic-segmentation>
   </crowd-form>

2. Crie um arquivo JSON para os rótulos. Exemplo:

   {
     "labels": [
       {
         "label": "Chair"
       },
     ...
       {
         "label": "Oven"
         }
      ]
   }

3. Crie um arquivo de manifesto de entrada para as imagens. Exemplo:

   {"source-ref":"s3://awsdoc-example-bucket/input_manifest/apartment-chair.jpg"}
   {"source-ref":"s3://awsdoc-example-bucket/input_manifest/apartment-carpet.jpg"}

4. Faça upload dos arquivos HTML, de manifesto e JSON para o Amazon Simple Storage Service (Amazon S3). Exemplo:

   import boto3import os
   
   bucket = 'awsdoc-example-bucket'
   prefix = 'GroundTruthCustomUI'
   
   boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'customUI.html')).upload_file('customUI.html')
   boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'input.manifest')).upload_file('input.manifest')
   boto3.Session().resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'testLabels.json')).upload_file('testLabels.json')

5. Recupere os nomes dos recursos da Amazon (ARNs) para as funções do Lambda de pré-processamento e consolidação de anotações. Por exemplo, aqui estão os ARNs de segmentação semântica:
   arn:aws:lambda:eu-west-1:111122223333:function:PRE-SemanticSegmentation
   arn:aws:lambda:eu-west-1:111122223333:function:ACS-SemanticSegmentation

6. Para criar o trabalho de rotulagem, use um AWS SDK, como boto3:

   import boto3
   
   client = boto3.client("sagemaker")
   client.create_labeling_job(
       LabelingJobName="SemanticSeg-CustomUI",
       LabelAttributeName="output-ref",
       InputConfig={
           "DataSource": {"S3DataSource": {"ManifestS3Uri": "INPUT_MANIFEST_IN_S3"}},
           "DataAttributes": {
               "ContentClassifiers": [
                   "FreeOfPersonallyIdentifiableInformation",
               ]
           },
       },
       OutputConfig={"S3OutputPath": "S3_OUTPUT_PATH"},
       RoleArn="IAM_ROLE_ARN",
       LabelCategoryConfigS3Uri="LABELS_JSON_FILE_IN_S3",
       StoppingConditions={"MaxPercentageOfInputDatasetLabeled": 100},
       HumanTaskConfig={
           "WorkteamArn": "WORKTEAM_ARN",
           "UiConfig": {"UiTemplateS3Uri": "HTML_TEMPLATE_IN_S3"},
           "PreHumanTaskLambdaArn": "arn:aws:lambda:eu-west-1:111122223333:function:PRE-SemanticSegmentation",
           "TaskKeywords": [
               "SemanticSegmentation",
           ],
           "TaskTitle": "Semantic Segmentation",
           "TaskDescription": "Draw around the specified labels using the tools",
           "NumberOfHumanWorkersPerDataObject": 1,
           "TaskTimeLimitInSeconds": 3600,
           "TaskAvailabilityLifetimeInSeconds": 1800,
           "MaxConcurrentTaskCount": 1,
           "AnnotationConsolidationConfig": {
               "AnnotationConsolidationLambdaArn": "arn:aws:lambda:eu-west-1:111122223333:function:ACS-SemanticSegmentation"
           },
       },
       Tags=[{"Key": "reason", "Value": "CustomUI"}],
   )

No exemplo anterior, conclua estas etapas:

• Substitua S3_OUTPUT_PATH pelo caminho de saída do S3
• Substitua IAM_ROLE_ARN pelo ARN do perfil
• Substitua WORKTEAM_ARN pelo ARN da equipe de trabalho
• Substitua INPUT_MANIFEST_IN_S3 pelo URI do manifesto de entrada
• Substitua LABELS_JSON_IN_S3 pelo URI JSON dos rótulos
• Substitua HTML_TEMPLATE_IN_S3 pelo URI do modelo HTML

Informações relacionadas

Algoritmo de segmentação semântica