Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Identificare i contenuti delle immagini utilizzando la segmentazione semantica
Per identificare il contenuto di un'immagine a livello di pixel, utilizza un'attività di etichettatura semantica di Amazon SageMaker Ground Truth. Quando viene assegnato un processo di etichettatura di segmentazione semantica, i worker classificano i pixel nell'immagine in un set di etichette o classi predefinite. Ground Truth supporta processi di etichettatura a segmentazione semantica singola e multi-classe. Crei un lavoro di etichettatura di segmentazione semantica utilizzando la sezione Ground Truth della console Amazon SageMaker AI o l'operazione. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)
Le immagini che contengono un numero elevato di oggetti che devono essere segmentati richiedono più tempo. Per aiutare i worker (provenienti da una forza lavoro privata o di un fornitore) a etichettare questi oggetti in meno tempo e con maggiore precisione, Ground Truth fornisce uno strumento di segmentazione automatica assistito dall'IA. Per informazioni, consulta [Strumento di auto-segmentazione](sms-auto-segmentation.md).
**Importante**
Per questo tipo di attività, se si crea un file manifest personalizzato, utilizza `"source-ref"` per identificare la posizione di ciascun file immagine in Amazon S3 che desideri etichettare. Per ulteriori informazioni, consulta [Dati di input](sms-data-input.md).
## Creazione di un processo di etichettatura di segmentazione semantica (console)
Puoi seguire le istruzioni [Creare un processo di etichettatura (console)](sms-create-labeling-job-console.md) per imparare a creare un processo di etichettatura a segmentazione semantica nella console AI. SageMaker Nella fase 10, scegli **Immagine** dal menu a discesa della **categoria Attività** e scegli **Segmentazione semantica** come tipo di attività.
Ground Truth fornisce un'interfaccia utente di lavoro simile alla seguente per le attività di etichettatura. Quando si crea il processo di etichettatura con la console, si specificano le istruzioni per consentire ai worker di completare il processo e le etichette tra cui i worker possono scegliere.
![\[Gif che mostra un esempio su come creare un lavoro di etichettatura a segmentazione semantica nella console AI. SageMaker\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/semantic_segmentation_sample.gif)
## Creare un processo di etichettatura di segmentazione semantica (API)
Per creare un processo di etichettatura a segmentazione semantica, utilizza l'operazione API. SageMaker `CreateLabelingJob` Questa API definisce questa operazione per tutti. AWS SDKs Per visualizzare un elenco delle lingue specifiche SDKs supportate per questa operazione, **consulta la sezione Vedere anche** di. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)
Segui queste istruzioni su [Creare un processo di etichettatura (API)](sms-create-labeling-job-api.md) ed effettua le seguenti operazioni durante la configurazione della richiesta:
+ Le funzioni Lambda di pre-annotazione per questo tipo di attività terminano con `PRE-SemanticSegmentation`. Per trovare l'ARN Lambda di pre-annotazione per la tua regione, consulta. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn)
+ Le funzioni Lambda di consolidamento delle annotazioni per questo tipo di attività terminano con `ACS-SemanticSegmentation`. Per trovare l'ARN Lambda di consolidamento delle annotazioni per la tua regione, consulta. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)
Di seguito è riportato un esempio di richiesta [AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) per creare un processo di etichettatura nella Regione Stati Uniti orientali (Virginia settentrionale). Tutti i parametri in rosso devono essere sostituiti con le specifiche e le risorse.
```
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'
},
]
)
```
### Fornire un modello per i processi di etichettatura della segmentazione semantica
Se stai creando un'attività di etichettatura utilizzando l'API, devi fornire un modello di attività del worker in `UiTemplateS3Uri`. Copia e modifica il modello seguente. Modifica solo [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions), [https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions) e `header`.
Carica questo modello in S3 e fornisci l'URI S3 per questo file in `UiTemplateS3Uri`.
```
Read the task carefully and inspect the image.
Read the options and review the examples provided to understand more about the labels.
Choose the appropriate label that best suits an object and paint that object using the tools provided.
Good example
Enter description to explain a correctly done segmentation
Bad example
Enter description of an incorrectly done segmentation
```
## Dati di output di segmentazione semantica
Dopo aver creato un processo di etichettatura di segmentazione semantica, i dati di output si troveranno nel bucket Amazon S3 specificato nel parametro `S3OutputPath` quando si utilizza l'API o nel campo **Posizione del set di dati di output** della sezione **Panoramica processo della console**.
Per ulteriori informazioni sul file manifest di output generato da Ground Truth e sulla struttura di file utilizzata da Ground Truth per archiviare i dati di output, consulta [Etichettatura dei dati di output di un processo](sms-data-output.md).
Per visualizzare un esempio di file manifesto di output per un processo di etichettatura di segmentazione semantica, vedere [Output della segmentazione semantica in una nuvola di punti 3D](sms-data-output.md#sms-output-point-cloud-segmentation).