Σε διάφορους κλάδους, όπως οι χρηματοοικονομικές υπηρεσίες, οι τηλεπικοινωνίες και η υγειονομική περίθαλψη, οι πελάτες χρησιμοποιούν μια διαδικασία ψηφιακής ταυτότητας, η οποία συνήθως περιλαμβάνει πολλά βήματα για την επαλήθευση των τελικών χρηστών κατά τη διάρκεια της ηλεκτρονικής ενσωμάτωσης ή του εντεινόμενου ελέγχου ταυτότητας. Ένα παράδειγμα ενός βήματος που μπορεί να χρησιμοποιηθεί είναι η αναζήτηση προσώπου, η οποία μπορεί να σας βοηθήσει να προσδιορίσετε εάν το πρόσωπο ενός νέου τελικού χρήστη ταιριάζει με αυτά που σχετίζονται με έναν υπάρχοντα λογαριασμό.
Η δημιουργία ενός ακριβούς συστήματος αναζήτησης προσώπου περιλαμβάνει πολλά βήματα. Το σύστημα πρέπει να μπορεί να ανιχνεύει ανθρώπινα πρόσωπα σε εικόνες, να εξάγει τα πρόσωπα σε διανυσματικές αναπαραστάσεις, να αποθηκεύει διανύσματα προσώπων σε μια βάση δεδομένων και να συγκρίνει νέα πρόσωπα με υπάρχουσες καταχωρήσεις. Αναγνώριση Amazon το κάνει αυτό αβίαστο παρέχοντάς σας προεκπαιδευμένα μοντέλα που καλούνται μέσω απλών κλήσεων API.
Το Amazon Rekognition σάς δίνει τη δυνατότητα να επιτύχετε πολύ υψηλή ακρίβεια αναζήτησης προσώπου με μία μόνο εικόνα προσώπου. Σε ορισμένες περιπτώσεις, μπορείτε να χρησιμοποιήσετε πολλές εικόνες του προσώπου του ίδιου ατόμου για να δημιουργήσετε διανύσματα χρήστη και να βελτιώσετε ακόμη περισσότερο την ακρίβεια. Αυτό είναι ιδιαίτερα χρήσιμο όταν οι εικόνες έχουν παραλλαγές στον φωτισμό, τις πόζες και τις εμφανίσεις.
Σε αυτήν την ανάρτηση, δείχνουμε πώς να χρησιμοποιείτε τα API αναζήτησης προσώπων του Amazon Rekognition με διανύσματα χρηστών για να αυξήσετε τη βαθμολογία ομοιότητας για αληθινές αντιστοιχίσεις και να μειώσετε τη βαθμολογία ομοιότητας για πραγματικές μη αντιστοιχίσεις.
Συγκρίνουμε τα αποτελέσματα της αντιστοίχισης προσώπων με και χωρίς διανύσματα χρήστη.
Αντιστοίχιση προσώπου αναγνώρισης Amazon
Η αντιστοίχιση προσώπου αναγνώρισης του Amazon επιτρέπει τη μέτρηση της ομοιότητας ενός διανύσματος προσώπου που εξάγεται από μια εικόνα σε ένα διάνυσμα προσώπου που εξάγεται από μια άλλη εικόνα. Ένα ζευγάρι εικόνων προσώπου λέγεται ότι είναι α αληθινό ταίριασμα εάν και οι δύο εικόνες περιέχουν το πρόσωπο του ίδιου ατόμου, και α αληθινό μη ταίριασμα σε διαφορετική περίπτωση. Το Amazon Rekognition επιστρέφει μια βαθμολογία για την ομοιότητα των προσώπων πηγής και στόχου. Η ελάχιστη βαθμολογία ομοιότητας είναι 0, υποδηλώνοντας πολύ μικρή ομοιότητα και η μέγιστη είναι 100.
Για τη σύγκριση ενός προσώπου πηγής με μια συλλογή προσώπων στόχων (αντίστοιχη 1:N), το Amazon Rekognition σάς επιτρέπει να δημιουργήσετε ένα αντικείμενο συλλογής και να το συμπληρώσετε με πρόσωπα από εικόνες χρησιμοποιώντας κλήσεις API.
Όταν προσθέτετε ένα πρόσωπο σε μια συλλογή, το Amazon Rekognition δεν αποθηκεύει την πραγματική εικόνα του προσώπου αλλά μάλλον το διάνυσμα προσώπου, μια μαθηματική αναπαράσταση του προσώπου. Με την Αναζήτηση Πρόσωπα API, μπορείτε να συγκρίνετε ένα πρόσωπο πηγής με μία ή περισσότερες συλλογές προσώπων στόχων.
Τον Ιούνιο του 2023, Η AWS κυκλοφόρησε τα user vectors, μια νέα δυνατότητα που βελτιώνει σημαντικά την ακρίβεια αναζήτησης προσώπου χρησιμοποιώντας πολλαπλές εικόνες προσώπου ενός χρήστη. Τώρα, μπορείτε να δημιουργήσετε διανύσματα χρήστη, τα οποία συγκεντρώνουν πολλαπλά διανύσματα προσώπων του ίδιου χρήστη. Τα διανύσματα χρήστη προσφέρουν υψηλότερη ακρίβεια αναζήτησης προσώπου με πιο ισχυρές απεικονίσεις, επειδή περιέχουν διαφορετικούς βαθμούς φωτισμού, ευκρίνειας, πόζας, εμφάνισης και πολλά άλλα. Αυτό βελτιώνει την ακρίβεια σε σύγκριση με την αναζήτηση μεμονωμένων διανυσμάτων προσώπου.
Στις επόμενες ενότητες, περιγράφουμε τη διαδικασία χρήσης διανυσμάτων χρήστη Amazon Rekognition. Σας καθοδηγούμε στη δημιουργία μιας συλλογής, την αποθήκευση διανυσμάτων προσώπων σε αυτήν τη συλλογή, τη συγκέντρωση αυτών των διανυσμάτων προσώπων σε διανύσματα χρήστη και, στη συνέχεια, τη σύγκριση των αποτελεσμάτων της αναζήτησης με αυτά τα μεμονωμένα διανύσματα προσώπων και διανύσματα χρήστη.
Επισκόπηση λύσεων
Για αυτήν τη λύση, χρησιμοποιούμε μια συλλογή χρηστών Amazon Rekognition, ο καθένας με τα συσχετισμένα ευρετηριασμένα διανύσματα προσώπων από έναν αριθμό διαφορετικών εικόνων προσώπων για κάθε χρήστη.
Ας δούμε τη ροή εργασιών για τη δημιουργία μιας συλλογής με χρήστες και πρόσωπα:
- Δημιουργήστε μια συλλογή Amazon Rekognition.
- Για κάθε χρήστη, δημιουργήστε έναν χρήστη στη συλλογή.
- Για κάθε εικόνα του χρήστη, προσθέστε το πρόσωπο στη συλλογή (Ευρετήριο Πρόσωπα, το οποίο επιστρέφει το αναγνωριστικό προσώπου που αντιστοιχεί σε κάθε διάνυσμα προσώπου).
- Συσχετίστε όλα τα αναγνωριστικά προσώπου με ευρετήριο με τον χρήστη (αυτό είναι απαραίτητο για διανύσματα χρήστη).
Στη συνέχεια, θα συγκρίνουμε τις ακόλουθες ροές εργασίας:
Αναζήτηση με μια νέα δεδομένη εικόνα εισόδου σε μεμονωμένα διανύσματα προσώπου στη συλλογή μας:
- Λάβετε όλα τα πρόσωπα από μια εικόνα (DetectFaces).
- Για κάθε πρόσωπο, συγκρίνετε με μεμονωμένα πρόσωπα στη συλλογή μας (SearchFacesByImage).
Αναζήτηση με μια νέα δεδομένη εικόνα εισόδου σε σχέση με διανύσματα χρήστη στη συλλογή μας:
- Λάβετε όλα τα πρόσωπα από μια εικόνα (DetectFaces).
- Για κάθε πρόσωπο, συγκρίνετε με το διάνυσμα χρήστη (SearchUsersByImage).
Τώρα ας περιγράψουμε τη λύση λεπτομερώς.
Προϋποθέσεις
Προσθέστε την παρακάτω πολιτική στη δική σας Διαχείριση ταυτότητας και πρόσβασης AWS (IAM) χρήστης ή ρόλος. Η πολιτική σάς παρέχει άδεια για τα σχετικά API αναγνώρισης της Amazon και επιτρέπει την πρόσβαση σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κάδος για την αποθήκευση των εικόνων:
Δημιουργήστε μια συλλογή Amazon Rekognition και προσθέστε χρήστες και πρόσωπα
Αρχικά, δημιουργούμε έναν κάδο S3 για την αποθήκευση των εικόνων των χρηστών. Οργανώνουμε τον κάδο δημιουργώντας έναν φάκελο για κάθε χρήστη που περιέχει τις προσωπικές του εικόνες. Μας φάκελο εικόνων μοιάζει με την ακόλουθη δομή:
Ο κάδος S3 μας έχει έναν κατάλογο για κάθε χρήστη που αποθηκεύει τις εικόνες του. Αυτήν τη στιγμή υπάρχουν δύο φάκελοι και ο καθένας περιέχει πολλές εικόνες. Μπορείτε να προσθέσετε περισσότερους φακέλους για τους χρήστες σας, καθένας από τους οποίους περιέχει μία ή περισσότερες εικόνες προς ευρετηρίαση.
Στη συνέχεια, δημιουργούμε τη συλλογή μας Amazon Rekognition. Έχουμε προμηθεύσει βοηθοί.py, το οποίο περιέχει διαφορετικές μεθόδους που χρησιμοποιούμε:
- δημιουργία_συλλογής – Δημιουργήστε μια νέα συλλογή
- delete_collection – Διαγραφή συλλογής
- create_user – Δημιουργήστε έναν νέο χρήστη σε μια συλλογή
- add_faces_to_collection – Προσθήκη προσώπων στη συλλογή
- associate_faces – Συσχετίστε face_ids σε έναν χρήστη σε μια συλλογή
- get_subdirs – Αποκτήστε όλους τους υποκαταλόγους κάτω από το πρόθεμα S3
- get_files – Λάβετε όλα τα αρχεία κάτω από το πρόθεμα S3
Ακολουθεί ένα παράδειγμα μεθόδου για τη δημιουργία μιας συλλογής Αναγνώρισης Amazon:
Δημιουργήστε τη συλλογή με τον ακόλουθο κώδικα:
Στη συνέχεια, ας προσθέσουμε τα διανύσματα προσώπου στη συλλογή μας και ας τα συγκεντρώσουμε σε διανύσματα χρήστη.
Για κάθε χρήστη στον κατάλογο S3, δημιουργούμε ένα διάνυσμα χρήστη στη συλλογή. Στη συνέχεια, καταχωρούμε τις εικόνες προσώπων για κάθε χρήστη στη συλλογή ως μεμονωμένα διανύσματα προσώπου, η οποία δημιουργεί αναγνωριστικά προσώπου. Τέλος, συσχετίζουμε τα αναγνωριστικά προσώπου με το κατάλληλο διάνυσμα χρήστη.
Αυτό δημιουργεί δύο τύπους διανυσμάτων στη συλλογή μας:
- Μεμονωμένα διανύσματα προσώπου
- Διανύσματα χρήστη, τα οποία δημιουργούνται με βάση τα αναγνωριστικά διανύσματος προσώπου που παρέχονται με τη μέθοδο
associate_faces
Δείτε τον ακόλουθο κώδικα:
Χρησιμοποιούμε τις ακόλουθες μεθόδους:
- get_subdirs – Επιστρέφει μια λίστα με όλους τους καταλόγους των χρηστών. Στο παράδειγμά μας, η τιμή είναι [Swami, Werner].
- get_files – Επιστρέφει όλα τα αρχεία εικόνων κάτω από το πρόθεμα S3 για τον χρήστη.
- face_ids – Αυτή είναι μια λίστα που περιέχει όλα τα αναγνωριστικά προσώπου που ανήκουν σε έναν χρήστη. Χρησιμοποιούμε αυτήν τη λίστα όταν καλούμε το AssociateFaces API.
Όπως εξηγήθηκε προηγουμένως, μπορείτε να προσθέσετε περισσότερους χρήστες προσθέτοντας φακέλους για αυτούς (ο φάκελος υπαγορεύει το αναγνωριστικό χρήστη) και να προσθέσετε τις εικόνες σας σε αυτόν τον φάκελο (δεν απαιτείται παραγγελία για τα αρχεία).
Τώρα που το περιβάλλον μας έχει ρυθμιστεί και έχουμε τόσο μεμονωμένα διανύσματα προσώπων όσο και διανύσματα χρήστη, ας συγκρίνουμε την ποιότητα αναζήτησής μας με καθένα από αυτά. Για να το κάνουμε αυτό, χρησιμοποιούμε μια νέα φωτογραφία με πολλά άτομα και προσπαθούμε να ταιριάξουμε τα πρόσωπά τους με τη συλλογή μας, πρώτα με τα μεμονωμένα διανύσματα προσώπου και μετά με τα διανύσματα χρήστη.
Αναζήτηση προσώπου εικόνας σε σχέση με μια συλλογή μεμονωμένων διανυσμάτων προσώπου
Για να πραγματοποιήσουμε αναζήτηση με βάση τα μεμονωμένα διανύσματα προσώπων μας, χρησιμοποιούμε την Αναγνώριση Amazon SearchFacesByImage API. Αυτή η συνάρτηση χρησιμοποιεί μια εικόνα προσώπου πηγής για αναζήτηση μεμονωμένων διανυσμάτων προσώπων στη συλλογή μας και επιστρέφει πρόσωπα που ταιριάζουν με το καθορισμένο όριο βαθμολογίας ομοιότητας.
Μια σημαντική παράμετρος είναι ότι το SearchFacesByImage
Το API θα λειτουργεί μόνο στο μεγαλύτερο πρόσωπο που έχει εντοπιστεί στην εικόνα. Εάν υπάρχουν πολλά πρόσωπα, πρέπει να περικόψετε κάθε μεμονωμένο πρόσωπο και να το περάσετε ξεχωριστά στη μέθοδο αναγνώρισης.
Για την εξαγωγή λεπτομερειών προσώπων από μια εικόνα (όπως η θέση τους στην εικόνα), χρησιμοποιούμε το Amazon Rekognition DetectFaces API.
Ο ακόλουθος detect_faces_in_image μέθοδος ανιχνεύει πρόσωπα σε μια εικόνα. Για κάθε πρόσωπο, εκτελεί τις ακόλουθες ενέργειες:
- Εκτυπώστε τη θέση του πλαισίου οριοθέτησής του
- Κόψτε το πρόσωπο από την εικόνα και ελέγξτε αν υπάρχει τέτοιο πρόσωπο στη συλλογή και εκτυπώστε το χρήστη ή "Άγνωστο"
- Εκτυπώστε τη βαθμολογία ομοιότητας
Το παράδειγμα κώδικα Python χρησιμοποιεί το Μαξιλάρι βιβλιοθήκη για την εκτέλεση των χειρισμών εικόνας (όπως εκτύπωση, σχέδιο και περικοπή).
Χρησιμοποιούμε ένα όριο βαθμολογίας ομοιότητας 99%, που είναι μια κοινή ρύθμιση για περιπτώσεις χρήσης επαλήθευσης ταυτότητας.
Εκτελέστε τον ακόλουθο κώδικα:
file_key
είναι το κλειδί αντικειμένου S3 που θέλουμε να αντιστοιχίσουμε με τη συλλογή μας. Παρέχουμε ένα παράδειγμα εικόνας (photo.jpeg
) κάτω από το φάκελο εικόνων.
Η παρακάτω εικόνα δείχνει τα αποτελέσματά μας.
Χρησιμοποιώντας ένα όριο 99%, εντοπίστηκε μόνο ένα άτομο. Ο Δρ Werner Vogels επισημάνθηκε ως Άγνωστος. Αν τρέξουμε τον ίδιο κώδικα χρησιμοποιώντας ένα χαμηλότερο όριο 90 (ορισμός ουδού=90), έχουμε τα ακόλουθα αποτελέσματα.
Τώρα βλέπουμε ότι το πρόσωπο του Δρ Werner Vogel έχει βαθμολογία ομοιότητας 96.86%. Στη συνέχεια, ας ελέγξουμε αν μπορούμε να πάρουμε το σκορ ομοιότητας πάνω από το καθορισμένο όριο χρησιμοποιώντας διανύσματα χρήστη.
Αναζήτηση προσώπου εικόνας έναντι μιας συλλογής διανυσμάτων χρήστη
Για να πραγματοποιήσουμε αναζήτηση με βάση τα διανύσματα χρηστών, χρησιμοποιούμε την Αναγνώριση Amazon SearchUsersByImage API. Αυτή η συνάρτηση χρησιμοποιεί μια εικόνα προσώπου πηγής για αναζήτηση με διανύσματα χρήστη στη συλλογή μας και επιστρέφει χρήστες που ταιριάζουν με το καθορισμένο όριο βαθμολογίας ομοιότητας.
Η ίδια σκέψη είναι σχετική εδώ - το SearchUsersByImage
Το API θα λειτουργεί μόνο στο μεγαλύτερο πρόσωπο που έχει εντοπιστεί στην εικόνα. Εάν υπάρχουν πολλά πρόσωπα, πρέπει να περικόψετε κάθε μεμονωμένο πρόσωπο και να το περάσετε ξεχωριστά στη μέθοδο αναγνώρισης.
Για την εξαγωγή λεπτομερειών προσώπων από μια εικόνα (όπως η θέση τους στην εικόνα), χρησιμοποιούμε το Amazon Rekognition DetectFaces API.
Ο ακόλουθος detect_users_in_image μέθοδος ανιχνεύει πρόσωπα σε μια εικόνα. Για κάθε πρόσωπο, εκτελεί τις ακόλουθες ενέργειες:
- Εκτυπώστε τη θέση του πλαισίου οριοθέτησής του
- Κόψτε το πρόσωπο από την εικόνα και ελέγξτε αν υπάρχει τέτοιο πρόσωπο χρήστη στη συλλογή μας και εκτυπώστε τον χρήστη ή "Άγνωστο"
- Εκτυπώστε τη βαθμολογία ομοιότητας
Δείτε τον ακόλουθο κώδικα:
Η συνάρτηση επιστρέφει μια τροποποιημένη εικόνα με τα αποτελέσματα που μπορούν να αποθηκευτούν στο Amazon S3 ή να εκτυπωθούν. Η συνάρτηση εξάγει επίσης στατιστικά στοιχεία σχετικά με τις εκτιμώμενες ηλικίες των προσώπων στο τερματικό.
Εκτελέστε τον ακόλουθο κώδικα:
Η παρακάτω εικόνα δείχνει τα αποτελέσματά μας.
Οι χρήστες που υπάρχουν στη συλλογή μας εντοπίστηκαν σωστά με υψηλή ομοιότητα (πάνω από 99%).
Μπορέσαμε να αυξήσουμε τη βαθμολογία ομοιότητας χρησιμοποιώντας τρία διανύσματα προσώπου ανά διάνυσμα χρήστη. Καθώς αυξάνουμε τον αριθμό των διανυσμάτων προσώπου που χρησιμοποιούνται, αναμένουμε να αυξηθεί και η βαθμολογία ομοιότητας για αληθινές αντιστοιχίσεις. Μπορείτε να χρησιμοποιήσετε έως και 100 διανύσματα προσώπου ανά διάνυσμα χρήστη.
Ένας κώδικας από άκρο σε άκρο μπορεί να βρεθεί στο Αποθετήριο GitHub. Περιλαμβάνει αναλυτική Σημειωματάριο Jupyter που μπορείτε να τρέξετε Στούντιο Amazon SageMaker (ή άλλες εναλλακτικές).
εκκαθάριση
Για να διαγράψετε τη συλλογή, χρησιμοποιήστε τον ακόλουθο κώδικα:
Συμπέρασμα
Σε αυτήν την ανάρτηση, παρουσιάσαμε τον τρόπο χρήσης των διανυσμάτων χρηστών του Amazon Rekognition για την υλοποίηση της αναζήτησης προσώπου σε σχέση με μια συλλογή προσώπων χρηστών. Δείξαμε πώς να βελτιώσουμε την ακρίβεια αναζήτησης προσώπου χρησιμοποιώντας πολλαπλές εικόνες προσώπων ανά χρήστη και τη συγκρίναμε με μεμονωμένα διανύσματα προσώπου. Επιπλέον, περιγράψαμε πώς μπορείτε να χρησιμοποιήσετε τα διαφορετικά API αναγνώρισης του Amazon για τον εντοπισμό προσώπων. Ο παρεχόμενος κώδικας παραδείγματος χρησιμεύει ως σταθερή βάση για την κατασκευή ενός λειτουργικού συστήματος αναζήτησης προσώπου.
Για περισσότερες πληροφορίες σχετικά με τα διανύσματα χρηστών του Amazon Rekognition, ανατρέξτε στο Αναζήτηση προσώπων σε μια συλλογή. Εάν είστε νέοι στο Amazon Rekognition, μπορείτε να χρησιμοποιήσετε το Free Tier, το οποίο διαρκεί 12 μήνες και περιλαμβάνει επεξεργασία 5,000 εικόνων ανά μήνα και αποθήκευση 1,000 διανυσματικών αντικειμένων χρήστη ανά μήνα.
Σχετικά με τους Συγγραφείς
Arik Porat είναι Senior Startups Solutions Architect στο Amazon Web Services. Συνεργάζεται με startups για να τις βοηθήσει να δημιουργήσουν και να σχεδιάσουν τις λύσεις τους στο cloud και είναι παθιασμένος με τη μηχανική εκμάθηση και τις λύσεις που βασίζονται σε κοντέινερ. Στον ελεύθερο χρόνο του, στον Arik αρέσει να παίζει σκάκι και βιντεοπαιχνίδια.
Ελιράν Έφρον είναι Αρχιτέκτονας Λύσεων Startups στο Amazon Web Services. Ο Eliran είναι λάτρης των δεδομένων και των υπολογιστών, βοηθώντας νεοφυείς επιχειρήσεις να σχεδιάσουν τις αρχιτεκτονικές του συστήματός τους. Στον ελεύθερο χρόνο του, στον Eliran αρέσει να κατασκευάζει και να αγωνίζεται αυτοκίνητα σε αγώνες Touring και να κατασκευάζει συσκευές IoT.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/improve-accuracy-of-amazon-rekognition-face-search-with-user-vectors/
- :έχει
- :είναι
- $UP
- 000
- 1
- 10
- 100
- 12
- 12 μήνες
- 17
- 2023
- 28
- 30
- 7
- 9
- a
- Ικανός
- Σχετικα
- πάνω από
- πρόσβαση
- Λογαριασμός
- ακρίβεια
- ακριβής
- Κατορθώνω
- Ενέργειες
- ενεργειών
- πραγματικός
- προσθέτω
- προσθήκη
- Επιπλέον
- κατά
- Ηλικίες
- σύνολο
- συγκέντρωση
- Όλα
- επιτρέπουν
- επιτρέπει
- ήδη
- Επίσης
- εναλλακτικές λύσεις
- Amazon
- Αναγνώριση Amazon
- Amazon υπηρεσίες Web
- an
- και
- Άλλος
- api
- APIs
- εμφάνιση
- εμφανίσεις
- κατάλληλος
- αρχιτεκτονικές
- ΕΙΝΑΙ
- Παράταξη
- AS
- βοηθώντας
- Συνεργάτης
- συσχετισμένη
- At
- απόπειρα
- Πιστοποίηση
- AWS
- βασίζονται
- BE
- επειδή
- ανήκουν
- μεταξύ
- σώμα
- και οι δύο
- Κουτί
- κουτιά
- χτίζω
- χτισμένο
- αλλά
- by
- υπολογίσει
- κλήση
- κλήση
- κλήσεις
- CAN
- Μπορεί να πάρει
- ικανότητα
- αυτοκίνητα
- περιπτώσεις
- έλεγχος
- Σκάκι
- πελάτης
- Backup
- κωδικός
- συλλογή
- συλλογές
- Κοινός
- συγκρίνουν
- σύγκριση
- συγκρίνοντας
- Υπολογίστε
- εξέταση
- κατασκευή
- περιέχουν
- Περιέχει
- μετατρέψετε
- σωστά
- Αντίστοιχος
- δημιουργία
- δημιουργεί
- δημιουργία
- καλλιέργεια
- Τη στιγμή
- Πελάτες
- ημερομηνία
- βάση δεδομένων
- μείωση
- ορίζεται
- αποδεικνύουν
- κατέδειξε
- περιγράφουν
- περιγράφεται
- Υπηρεσίες
- σχέδιο
- λεπτομερής
- καθέκαστα
- ανίχνευση
- εντοπιστεί
- Προσδιορίστε
- Συσκευές
- υπαγορεύει
- διαφορετικές
- ψηφιακό
- ψηφιακή ταυτότητα
- Κατάλογοι
- κατάλογο
- Display
- do
- Όχι
- πράξη
- γίνεται
- dr
- σχεδιάζω
- σχέδιο
- κατά την διάρκεια
- κάθε
- Νωρίτερα
- αποτέλεσμα
- ΧΩΡΙΣ κοπο
- αλλιώς
- δίνει τη δυνατότητα
- από άκρη σε άκρη
- θιασώτης
- Περιβάλλον
- ειδικά
- αναμενόμενη
- Even
- παράδειγμα
- Εκτός
- υπάρχουν
- υφιστάμενα
- υπάρχει
- εξόδους
- αναμένω
- εξήγησε
- εκχύλισμα
- Πρόσωπο
- πρόσωπα
- Αρχεία
- οικονομικός
- των χρηματοπιστωτικών υπηρεσιών
- Εύρεση
- Όνομα
- σημαία
- φλοτέρ
- Εξής
- Για
- μορφή
- Βρέθηκαν
- Θεμέλιο
- Δωρεάν
- από
- λειτουργία
- λειτουργικός
- περαιτέρω
- Games
- δημιουργεί
- παίρνω
- δεδομένου
- Δίνοντας
- επιχορηγήσεις
- καθοδηγήσει
- Έχω
- he
- υγειονομική περίθαλψη
- ύψος
- βοήθεια
- βοηθούς
- χρήσιμο
- εδώ
- Ψηλά
- υψηλότερο
- του
- Πως
- Πώς να
- HTML
- http
- HTTPS
- ανθρώπινος
- ID
- Αναγνώριση
- προσδιορίζονται
- Ταυτότητα
- Επαλήθευση ταυτότητας
- ids
- if
- εικόνα
- εικόνες
- εφαρμογή
- εισαγωγή
- σημαντικό
- βελτίωση
- βελτιώνει
- in
- περιλαμβάνει
- Αυξάνουν
- ευρετήριο
- ευρετήριο
- ατομικές
- βιομηχανίες
- πληροφορίες
- εισαγωγή
- σε
- επικαλείται
- περιλαμβάνει
- IoT
- iot συσκευές
- IT
- ΤΟΥ
- jpeg
- Ιούνιος
- Κλειδί
- μεγαλύτερη
- εν τέλει
- ξεκίνησε
- μάθηση
- αριστερά
- Βιβλιοθήκη
- Φωτιστικά
- Μου αρέσει
- συμπαθεί
- Λιστα
- λίγο
- φορτίο
- τοποθεσία
- ματιά
- ΦΑΊΝΕΤΑΙ
- Χαμηλός
- χαμηλότερα
- μηχανή
- μάθηση μηχανής
- ΚΑΝΕΙ
- χειρισμοί
- Ταίριασμα
- σπίρτα
- ταιριάζουν
- μαθηματικά
- μαθηματικός
- ανώτατο όριο
- μέτρησης
- μέθοδος
- μέθοδοι
- ελάχιστο
- μοντέλα
- τροποποιημένο
- Μηνας
- μήνες
- περισσότερο
- πολλαπλούς
- πρέπει
- όνομα
- απαραίτητος
- Ανάγκη
- Νέα
- επόμενη
- Όχι.
- τώρα
- αριθμός
- αντικείμενο
- αντικειμένων
- of
- προσφορά
- Παλιά
- on
- Επί του σκάφους
- ONE
- διαδικτυακά (online)
- αποκλειστικά
- λειτουργούν
- or
- ΑΛΛΑ
- αλλιώς
- δικός μας
- περίγραμμα
- εξόδους
- επί
- ζεύγος
- passieren
- παθιασμένος
- People
- για
- εκτέλεση
- εκτελεί
- άδεια
- person
- προσωπικός
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Δοκιμάστε να παίξετε
- σημεία
- πολιτική
- ενέχουν
- θέτει
- Θέση
- παρόν
- παρουσιάζονται
- εκτύπωση
- διαδικασια μας
- μεταποίηση
- παρέχεται
- Python
- ποιότητα
- Αγώνας
- ιπποδρομίες
- μάλλον
- παραπέμπω
- αντιπροσώπευση
- απαιτείται
- πόρος
- απάντησης
- Αποτελέσματα
- απόδοση
- Επιστροφές
- εύρωστος
- Ρόλος
- τρέξιμο
- σοφός
- Είπε
- ίδιο
- αποθηκεύονται
- σκορ
- Αναζήτηση
- αναζήτηση
- τμήματα
- δείτε
- αρχαιότερος
- εξυπηρετεί
- Υπηρεσίες
- Συνεδρίαση
- σειρά
- τον καθορισμό
- διάφοροι
- Δείχνει
- σημαντικά
- Απλούς
- ενιαίας
- Μέγεθος
- στέρεο
- λύση
- Λύσεις
- μερικοί
- Πηγή
- Startups
- Δήλωση
- στατιστική
- Κατάσταση
- Βήμα
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- καταστήματα
- εναποθήκευση
- μετάδοση
- δομή
- τέτοιος
- παρέχεται
- σύστημα
- στόχος
- τηλεπικοινωνιών
- τερματικό
- ότι
- Η
- Η Πηγη
- τους
- Τους
- τότε
- Εκεί.
- αυτοί
- αυτό
- εκείνοι
- τρία
- κατώφλι
- Μέσω
- κερκίδα
- ώρα
- προς την
- κορυφή
- περιοδεία
- αληθής
- προσπαθώ
- δύο
- τύποι
- υπό
- άγνωστος
- χρήση
- μεταχειρισμένος
- Χρήστες
- Χρήστες
- χρησιμοποιεί
- χρησιμοποιώντας
- συνήθως
- αξία
- παραλλαγές
- διάφορα
- διαφέρων
- Επαλήθευση
- επαληθεύει
- εκδοχή
- πολύ
- μέσω
- Βίντεο
- βιντεοπαιχνίδια
- θέλω
- ήταν
- we
- ιστός
- διαδικτυακές υπηρεσίες
- ήταν
- πότε
- αν
- Ποιό
- πλάτος
- θα
- με
- χωρίς
- ροής εργασίας
- ροές εργασίας
- λειτουργεί
- θα
- χρόνια
- Εσείς
- Σας
- zephyrnet