Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verwenden eines JSON-Schemas für Bedingungen zur Aktivierung eines Human Loops mit Amazon Rekognition

Bei Verwendung mit Amazon A2I unterstützt die Amazon Rekognition DetectModerationLabels-Operation die folgenden Eingaben im ConditionType-Parameter:

Wenn Sie beim Erstellen einer Flow-Definition die Standardvorlage für Worker-Aufgaben verwenden, die im Abschnitt Workflows für die menschliche Überprüfung in der Konsole von Amazon SageMaker AI bereitgestellt wird, werden durch diese Aktivierungsbedingungen zur menschlichen Überprüfung gesendete Inferenzen in die Worker-Benutzeroberfläche aufgenommen, sobald ein Worker Ihre Aufgabe öffnet. Wenn Sie eine benutzerdefinierte Arbeitsaufgabenvorlage verwenden, müssen Sie das benutzerdefinierte <task.input.selectedAiServiceResponse.blocks>-HTML-Element einschließen, um auf diese Inferenzen zuzugreifen. Ein Beispiel für eine benutzerdefinierte Vorlage, die dieses HTML-Element verwendet, finden Sie unter Beispiel für eine benutzerdefinierte Vorlage für Amazon Rekognition.

ModerationLabelConfidenceCheck-Eingaben

Für ModerationLabelConfidenceCheck ConditionType werden die folgenden ConditionParameters unterstützt:

Wenn Sie die ModerationLabelConfidenceCheck ConditionType verwenden, sendet Amazon A2I Beschriftungsinferenzen für die Beschriftungen, die Sie in ModerationLabelName für die menschliche Überprüfung angegeben haben.

Stichproben bei Eingaben

Sampling ConditionType unterstützt die RandomSamplingPercentage ConditionParameters. Die Eingabe für den RandomSamplingPercentage-Parameter sollte eine reelle Zahl zwischen 0,01 und 100 sein. Diese Zahl stellt den Prozentsatz der Inferenzen dar, die für eine menschliche Überprüfung qualifiziert sind, und die an Menschen zur Überprüfung gesendet werden. Wenn Sie die Sampling-Bedingung ohne weitere Bedingungen verwenden, stellt diese Zahl den Prozentsatz aller Inferenzen dar, die aus einer einzelnen DetectModerationLabel-Anforderung resultieren, die an Menschen zur Überprüfung gesendet werden.

Beispiele

Beispiel 1: Verwenden von ModerationLabelConfidenceCheck mit dem And Operator

Das folgende Beispiel einer HumanLoopActivationConditions-Bedingung initiiert eine Human Loop, wenn eine oder mehrere der folgenden Bedingungen erfüllt sind:

Beachten Sie die Verwendung der logischen Operatoren Or und And, um diese Logik zu modellieren.

Obwohl nur eine der beiden Bedingungen unter dem Or-Operator als true ausgewertet werden muss, damit eine Human Loop erstellt wird, wertet Amazon Augmented AI alle Bedingungen aus. Menschliche Prüfer werden aufgefordert, die Moderations-Label für alle Bedingungen zu überprüfen, die als true ausgewertet wurden.

{
     "Conditions": [{
         "Or": [{
                 "And": [{
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Male Nudity",
                             "ConfidenceLessThanEquals": 99
                         }
                     },
                     {
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Male Nudity",
                             "ConfidenceGreaterThanEquals": 90
                         }
                     }
                 ]
             },
             {
                 "And": [{
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Female Nudity",
                             "ConfidenceLessThanEquals": 99
                         }
                     },
                     {
                         "ConditionType": "ModerationLabelConfidenceCheck",
                         "ConditionParameters": {
                             "ModerationLabelName": "Graphic Female Nudity",
                             "ConfidenceGreaterThanEquals": 80
                         }
                     }
                 ]
             }
         ]
     }]
}

Beispiel 2: Verwenden von ModerationLabelConfidenceCheck mit dem Catch-All-Wert (*)

Wenn im folgenden Beispiel eine Moderationsbeschriftung mit einer Konfidenz über 75 erkannt wird, wird eine Human Loop initiiert. Menschliche Prüfer werden gebeten, alle Moderationsbeschriftungen mit Konfidenzwerten über oder gleich 75 zu überprüfen.

{
    "Conditions": [
        {
            "ConditionType": "ModerationLabelConfidenceCheck",
            "ConditionParameters": {
                "ModerationLabelName": "*",
                "ConfidenceGreaterThanEquals": 75
            }
        }
    ]
}

Beispiel 3: Verwenden von Stichproben

Im folgenden Beispiel werden 5 % der Amazon-Rekognition-Inferenzen aus einer DetectModerationLabels-Anforderung an menschliche Auftragnehmer übermittelt. Wenn Sie die Standardvorlage für Worker-Aufgaben verwenden, die in der SageMaker-AI-Konsole bereitgestellt wird, werden alle Moderationsbeschriftungen, die von Amazon Rekognition zurückgegeben werden, zur Überprüfung an Mitarbeiter gesendet.

{
  "Conditions": [
    {
      "ConditionType": "Sampling",
      "ConditionParameters": {
        "RandomSamplingPercentage": 5
      }
    }
  ]
}

Beispiel 4: Verwenden von Probenahme und ModerationLabelConfidenceCheck mit dem Operator And

In diesem Beispiel werden 5 % der Amazon-Rekognition-Inferenzen des -Graphic Male NudityModerationsbezeichnungen mit einer Konfidenz von mehr als 50 an Auftragnehmer zur Überprüfung gesendet. Wenn Sie die standardmäßige Worker-Aufgabenvorlage verwenden, die in der SageMaker-AI-Konsole bereitgestellt wird, werden nur die Inferenzen der Graphic Male Nudity-Beschriftung zur Überprüfung an Mitarbeiter gesendet.

{
  "Conditions": [
    {
      "And": [
        {
          "ConditionType": "Sampling",
          "ConditionParameters": {
            "RandomSamplingPercentage": 5
          }
        },
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceGreaterThan": 50
          }
        }
      ]
    }
  ]
}

Beispiel 5: Verwenden von Probenahme und ModerationLabelConfidenceCheck mit dem And Operator

Verwenden Sie dieses Beispiel, um Ihren Workflow für die menschliche Überprüfung so zu konfigurieren, dass Inferenzen mit geringer Konfidenz einer angegebenen Beschriftung immer zur menschlichen Überprüfung gesendet werden und Stichproben von Inferenzen mit hoher Konfidenz einer Beschriftung mit einer bestimmten Rate entnommen werden.

Im folgenden Beispiel wird eine menschliche Überprüfung auf eine der folgenden Arten initiiert:

{
  "Conditions": [
    {
      "Or": [
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceLessThan": 60
          }
        },
        {
            "And": [
                {
                    "ConditionType": "Sampling",
                    "ConditionParameters": {
                        "RandomSamplingPercentage": 5
                    }
                },
                {
                    "ConditionType": "ModerationLabelConfidenceCheck",
                    "ConditionParameters": {
                        "ModerationLabelName": "Graphic Male Nudity",
                        "ConfidenceGreaterThan": 90
                    }
                }
            ]
        }
      ]
    }
  ]
}

Beispiel 6: Verwenden von Probenahme und ModerationLabelConfidenceCheck mit dem Or Operator

Im folgenden Beispiel wird ein Human Loop erstellt, wenn die Amazon-Rekognition-Inferenzantwort die Beschriftung „Graphic Male Nudity“ (Darstellung nackter Männer) mit einer Inferenzkonfidenz über 50 enthält. Darüber hinaus initiieren 5 % aller anderen Inferenzen eine Schleife für die Prüfung durch Menschen (Human Loop).

{
  "Conditions": [
    {
      "Or": [
        {
          "ConditionType": "Sampling",
          "ConditionParameters": {
            "RandomSamplingPercentage": 5
          }
        },
        {
          "ConditionType": "ModerationLabelConfidenceCheck",
          "ConditionParameters": {
            "ModerationLabelName": "Graphic Male Nudity",
            "ConfidenceGreaterThan": 50
          }
        }
      ]
    }
  ]
}