Asennon estimointi on tietokonenäkötekniikka, joka havaitsee joukon pisteitä kohteissa (kuten ihmisissä tai ajoneuvoissa) kuvissa tai videoissa. Asennonarvioinnissa on todellisia sovelluksia urheilussa, robotiikassa, turvallisuudesta, lisätystä todellisuudesta, mediasta ja viihteestä, lääketieteellisistä sovelluksista ja paljon muuta. Asennon estimointimalleja opetetaan kuville tai videoille, jotka on merkitty johdonmukaisella pistejoukolla (koordinaateilla), jotka on määritetty rigillä. Tarkkojen asennonarviointimallien opettamiseksi sinun on ensin hankittava suuri tietojoukko huomautuksilla varustettuja kuvia. monissa tietosarjoissa on kymmeniä tai satoja tuhansia selitettyjä kuvia, ja niiden rakentaminen vaatii huomattavia resursseja. Merkintävirheet on tärkeää tunnistaa ja estää, koska asennonarviointimallien mallien suorituskykyyn vaikuttavat voimakkaasti merkittyjen tietojen laatu ja datamäärä.
Tässä viestissä näytämme, kuinka voit käyttää mukautettua merkintätyönkulkua Amazon SageMaker Ground Totuus suunniteltu erityisesti avainpisteiden merkitsemiseen. Tämä mukautettu työnkulku auttaa virtaviivaistamaan etiketöintiprosessia ja minimoimaan merkintävirheet, mikä pienentää laadukkaiden asettelutarrojen hankintakustannuksia.
Laadukkaan tiedon merkitys ja merkintävirheiden vähentäminen
Laadukas data on perustavanlaatuista vankkojen ja luotettavien asennonarviointimallien harjoittamiselle. Näiden mallien tarkkuus on suoraan sidottu kullekin asennon avainpisteelle määritettyjen tarrojen oikeellisuuteen ja tarkkuuteen, mikä puolestaan riippuu merkintäprosessin tehokkuudesta. Lisäksi huomattava määrä monipuolista ja hyvin huomautettua dataa varmistaa, että malli voi oppia laajan valikoiman asentoja, muunnelmia ja skenaarioita, mikä johtaa parempaan yleistykseen ja suorituskykyyn erilaisissa tosielämän sovelluksissa. Näiden suurten, huomautuksilla varustettujen tietojoukkojen hankintaan osallistuvat ihmisen annotaattorit, jotka merkitsevät kuvat huolellisesti asentotiedoilla. Kun merkitset kiinnostavia kohtia kuvan sisällä, on hyödyllistä nähdä objektin luuranko merkinnän aikana, jotta annotaattorille voidaan antaa visuaalista ohjausta. Tämä auttaa tunnistamaan merkintävirheet ennen kuin ne sisällytetään tietojoukkoon, kuten vasen-oikea-vaihto tai virheelliset merkinnät (kuten jalan merkitseminen olkapääksi). Esimerkiksi seuraavassa esimerkissä tehty merkintävirhe, kuten vasen-oikea-vaihto, voidaan helposti tunnistaa runkosarjan linjojen risteämisestä ja värien yhteensopimattomuudesta. Nämä visuaaliset vihjeet auttavat tarrakirjoittajia tunnistamaan virheet ja johtavat puhtaampaan tarrasarjaan.
Merkinnän manuaalisen luonteen vuoksi suurten ja tarkkojen merkittyjen tietokokonaisuuksien saaminen voi olla kustannuksia estävää ja vielä enemmän tehottomalla merkintäjärjestelmällä. Siksi merkintöjen tehokkuus ja tarkkuus ovat kriittisiä merkintöjen työnkulkua suunniteltaessa. Tässä viestissä näytämme, kuinka mukautettua SageMaker Ground Truth -merkintätyönkulkua käytetään kuvien nopeaan ja tarkkaan merkitsemiseen, mikä vähentää suurten tietojoukkojen kehittämistä asennon arvioinnin työnkulkuja varten.
Katsaus ratkaisuun
Tämä ratkaisu tarjoaa online-verkkoportaalin, jossa etiketöintityöntekijät voivat kirjautua sisään verkkoselaimella, käyttää merkintätöitä ja merkitä kuvia käyttämällä crowd-2d-skeleton-käyttöliittymää (UI). SageMaker Ground Truth. Merkintätyöntekijöiden luomat huomautukset tai tarrat viedään sitten Amazonin yksinkertainen tallennuspalvelu (Amazon S3) ämpäri, jossa niitä voidaan käyttää loppupään prosesseihin, kuten tietokonenäkömallien syväoppimiseen. Tämä ratkaisu opastaa sinua määrittämään ja ottamaan käyttöön tarvittavat komponentit verkkoportaalin luomiseksi sekä luomaan merkintätöitä tätä merkintätyönkulkua varten.
Seuraavassa on kaavio yleisestä arkkitehtuurista.
Tämä arkkitehtuuri koostuu useista avainkomponenteista, joista jokaista selitämme yksityiskohtaisemmin seuraavissa osissa. Tämä arkkitehtuuri tarjoaa etiketöintityövoimalle SageMaker Ground Truthin isännöimän verkkoportaalin. Tämän portaalin avulla jokainen etiketöijä voi kirjautua sisään ja nähdä merkintätyönsä. Kun he ovat kirjautuneet sisään, merkintä voi valita merkintätyön ja aloittaa kuvien merkitsemisen käyttämällä mukautettua käyttöliittymää, jota isännöi Amazon CloudFront. Käytämme AWS Lambda toiminnot esi- ja jälkikäteistietojen käsittelyyn.
Seuraava kuvakaappaus on esimerkki käyttöliittymästä.
Laber voi merkitä tiettyjä avainpisteitä kuvaan käyttöliittymän avulla. Avainpisteiden väliset viivat piirretään automaattisesti käyttäjälle käyttöliittymän käyttämän runkosarjan määritelmän perusteella. Käyttöliittymä mahdollistaa monia mukautuksia, kuten seuraavat:
- Mukautetut avainpisteiden nimet
- Muokattavat avainpistevärit
- Muokattavissa olevat rivin värit
- Muokattavat luuranko- ja rig-rakenteet
Jokainen näistä on kohdennettuja ominaisuuksia, jotka parantavat merkintöjen helppoutta ja joustavuutta. Tarkat käyttöliittymän mukautustiedot löytyvät GitHub repo ja niistä on yhteenveto myöhemmin tässä viestissä. Huomaa, että tässä viestissä käytämme ihmisen asennon arviointia perustehtävänä, mutta voit laajentaa sen merkitsemään esineasentoa ennalta määritetyllä välineellä myös muille esineille, kuten eläimille tai ajoneuvoille. Seuraavassa esimerkissä näytämme, kuinka tätä voidaan soveltaa laatikkotrukin pisteiden merkitsemiseen.
SageMakerin maaperän totuus
Tässä ratkaisussa käytämme SageMaker Ground Truthia tarjoamaan etiketöintityöntekijöille online-portaalin ja tavan hallita etiketöintitöitä. Tämä viesti olettaa, että tunnet SageMaker Ground Truthin. Lisätietoja on kohdassa Amazon SageMaker Ground Totuus.
CloudFront-jakelu
Tätä ratkaisua varten merkintäkäyttöliittymä vaatii räätälöidyn JavaScript-komponentin, jota kutsutaan crowd-2d-skeleton-komponentiksi. Tämä komponentti löytyy osoitteesta GitHub osana Amazonin avoimen lähdekoodin aloitteita. CloudFront-jakelua käytetään isännöimään crowd-2d-skeleton.js, jota SageMaker Ground Truth -käyttöliittymä tarvitsee. CloudFront-jakelulle määritetään alkuperän käyttöoikeusidentiteetti, jonka avulla CloudFront-jakelu voi käyttää S2-alustassa olevaa crowd-3d-skeleton.js-tiedostoa. S3-säilö pysyy yksityisenä, eikä muita tämän sängyn objekteja ole saatavilla CloudFront-jakelun kautta, koska asetamme rajoituksia alkuperäisen pääsyn identiteetille säilökäytännön kautta. Tämä on suositeltava käytäntö vähiten etuoikeuksien periaatteen noudattamiseksi.
Amazon S3 -kauha
Käytämme S3-säilöä tallentaaksemme SageMaker Ground Truth -syöte- ja -tulostusluettelotiedostot, mukautetun käyttöliittymämallin, tarratöiden kuvat ja mukautetun käyttöliittymän tarvittavan JavaScript-koodin. Tämä ämpäri on yksityinen, eikä se ole yleisön käytettävissä. Säilölle tulee myös säilökäytäntö, joka rajoittaa CloudFront-jakelun siten, että se voi käyttää vain käyttöliittymää varten tarvittavaa JavaScript-koodia. Tämä estää CloudFront-jakelua isännöimästä muita S3-säihön objekteja.
Esimerkintä Lambda-toiminto
SageMaker Ground Truth -merkintätyöt käyttävät yleensä syöteluettelotiedostoa, joka on JSON Lines -muodossa. Tämä syöteluettelotiedosto sisältää merkintätyön metatiedot, toimii viitteenä tietoihin, jotka on merkittävä tunnisteella, ja auttaa määrittämään, kuinka tiedot esitetään merkintöjen kirjoittajille. Esimerkinnän Lambda-funktio käsittelee syöteluettelotiedoston kohteita ennen kuin luettelotiedot syötetään mukautettuun käyttöliittymämalliin. Tämä on paikka, jossa kohteiden muotoilut tai erikoismuokkaukset voidaan tehdä ennen tietojen esittämistä käyttöliittymän annotaattoreille. Lisätietoja esimerkinnän Lambda-toiminnoista, katso Esimerkintä Lambda.
Lambda-toiminto
Samoin kuin esimerkinnän Lambda-toiminto, jälkimerkinnän toiminto käsittelee lisätietojen käsittelyä, jonka saatat haluta tehdä sen jälkeen, kun kaikki merkinnät ovat lopettaneet merkitsemisen, mutta ennen kuin kirjoitat lopullisen huomautuksen tulosteen. Tämän käsittelyn suorittaa Lambda-toiminto, joka vastaa tietojen muotoilusta merkintätyön tulosten tulosteita varten. Tässä ratkaisussa käytämme sitä yksinkertaisesti palauttamaan tiedot haluamassamme tulostusmuodossa. Katso lisätietoa huomautuksen jälkeisistä lambda-toiminnoista Lambda huomautuksen jälkeen.
Postauksen Lambda-funktion rooli
Käytämme AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) -rooli antaa merkinnän jälkeiselle lambda-toiminnolle pääsyn S3-alueelle. Tätä tarvitaan huomautustulosten lukemiseen ja mahdollisten muutosten tekemiseen ennen lopullisten tulosten kirjoittamista ulostuloluettelotiedostoon.
SageMaker Ground Truth -rooli
Käytämme tätä IAM-roolia antaaksemme SageMaker Ground Truth -merkintätyölle mahdollisuuden kutsua Lambda-funktioita ja lukea kuvia, luettelotiedostoja ja mukautettua käyttöliittymämallia S3-säihissä.
Edellytykset
Tätä kävelyä varten sinulla tulisi olla seuraavat edellytykset:
Tässä ratkaisussa käytämme AWS CDK:ta arkkitehtuurin käyttöönottoon. Sitten luomme mallimerkintätyön, käytämme merkintäportaalia merkitsemään kuvat merkintätyössä ja tutkimme merkintätuloksia.
Luo AWS CDK -pino
Kun olet suorittanut kaikki edellytykset, olet valmis ottamaan ratkaisun käyttöön.
Määritä resurssit
Suorita seuraavat vaiheet määrittääksesi resurssit:
- Lataa esimerkkipino osoitteesta GitHub repo.
- Käytä cd-komentoa vaihtaaksesi arkistoon.
- Luo Python-ympäristösi ja asenna tarvittavat paketit (katso lisätietoja arkistosta README.md).
- Kun Python-ympäristösi on aktivoitu, suorita seuraava komento:
- Suorita seuraava komento ottaaksesi AWS CDK:n käyttöön:
- Suorita käyttöönoton jälkeinen komentosarja suorittamalla seuraava komento:
Luo merkintätyö
Kun olet määrittänyt resurssit, olet valmis luomaan merkintätyön. Tätä viestiä varten luomme merkintätyön käyttämällä arkistossa toimitettuja esimerkkiskriptejä ja kuvia.
- CD levyyn
scripts
hakemisto arkistossa. - Lataa esimerkkikuvat Internetistä suorittamalla seuraava koodi:
Tämä skripti lataa 10 kuvan joukon, joita käytämme esimerkkimerkintätyössämme. Katsomme, kuinka voit käyttää omia mukautettuja syöttötietojasi myöhemmin tässä viestissä.
- Luo merkintätyö suorittamalla seuraavaa koodia:
Tämä skripti käyttää argumenttina SageMaker Ground Truthin yksityisen työvoiman ARN:ää, jonka pitäisi olla ARN työvoimalle, joka sinulla on samalla tilillä, johon otit tämän arkkitehtuurin käyttöön. Skripti luo syöttöluettelotiedoston merkintätyöllemme, lataa sen Amazon S3:een ja luo mukautetun SageMaker Ground Truth -merkintätyön. Sukeltamme syvemmälle tämän käsikirjoituksen yksityiskohtiin myöhemmin tässä viestissä.
Merkitse tietojoukko
Kun olet käynnistänyt esimerkkimerkintätyön, se näkyy SageMaker-konsolissa sekä työvoimaportaalissa.
Valitse työvoimaportaalissa merkintätyö ja valitse Aloittaa työt.
Sinulle esitetään kuva esimerkkitietojoukosta. Tässä vaiheessa voit käyttää mukautettua crowd-2d-skeleton-käyttöliittymää kuvien merkitsemiseen. Voit tutustua crowd-2d-skeleton käyttöliittymään viittaamalla Käyttöliittymän yleiskatsaus. Käytämme rig määritelmää COCO-avainpisteen havaitsemistietojoukon haaste kuin ihmisen poseerauslaite. Voit toistaa, että voit muokata tätä ilman mukautettua käyttöliittymäkomponenttiamme pisteiden poistamiseksi tai lisäämiseksi tarpeidesi mukaan.
Kun olet kirjoittanut kuvaan kommentin, valitse Lähetä. Tämä vie sinut tietojoukon seuraavaan kuvaan, kunnes kaikki kuvat on merkitty.
Pääset merkintöjen tuloksiin
Kun olet lopettanut nimiöintityön kaikkien kuvien nimeämisen, SageMaker Ground Truth käynnistää huomautuksen jälkeisen Lambda-toiminnon ja tuottaa output.manifest-tiedoston, joka sisältää kaikki huomautukset. Tämä output.manifest
tallennetaan S3-ämpäriin. Meidän tapauksessamme tulosluettelon sijainnin tulisi seurata S3 URI -polkua s3://<bucket name> /labeling_jobs/output/<labeling job name>/manifests/output/output.manifest
. output.manifest-tiedosto on JSON Lines -tiedosto, jossa jokainen rivi vastaa yhtä kuvaa ja sen merkintöjä merkintätyöntekijöiltä. Jokainen JSON-rivikohde on JSON-objekti, jossa on useita kenttiä. Meitä kiinnostava ala on ns label-results
. Tämän kentän arvo on objekti, joka sisältää seuraavat kentät:
- dataset_object_id – Syöteluettelokohteen tunnus tai indeksi
- data_object_s3_uri – Kuvan Amazon S3 URI
- kuva_tiedoston_nimi – Kuvan tiedostonimi
- image_s3_location – Kuvan Amazon S3 URL
- Original_annotations – Alkuperäiset merkinnät (asetettu ja käytetty vain, jos käytät huomautusta edeltävää työnkulkua)
- updated_annotations – Kuvan huomautukset
- työntekijän_tunnus – Työvoiman työntekijä, joka teki huomautuksia
- no_changes_needed – Onko Ei muutoksia tarvita -valintaruutu valittu
- oli_muokattu – Eroavatko huomautustiedot alkuperäisistä syötetiedoista
- yhteensä_aika_sekunteina – Aika, joka työntekijältä kului kuvan merkitsemiseen
Näillä kentillä pääset käsiksi kunkin kuvan merkintätuloksiin ja voit tehdä laskelmia, kuten keskimääräisen kuvan merkitsemisajan.
Luo omat merkintätyösi
Nyt kun olemme luoneet esimerkkimerkintätyön ja ymmärrät koko prosessin, opastamme sinut läpi koodin, joka vastaa luettelotiedoston luomisesta ja merkintätyön käynnistämisestä. Keskitymme käsikirjoituksen tärkeimpiin osiin, joita saatat haluta muokata käynnistääksesi omat merkintätyösi.
Katamme koodinpätkät create_example_labeling_job.py
skripti sijaitsee osoitteessa GitHub-arkisto. Skripti alkaa asettamalla muuttujat, joita käytetään myöhemmin skriptissä. Jotkut muuttujista on koodattu yksinkertaisuuden vuoksi, kun taas toiset, jotka ovat pinosta riippuvaisia, tuodaan dynaamisesti ajon aikana hakemalla AWS CDK -pinosta luodut arvot.
Tämän skriptin ensimmäinen avainosa on luettelotiedoston luominen. Muista, että luettelotiedosto on JSON lines -tiedosto, joka sisältää SageMaker Ground Truth -merkintätyön tiedot. Jokainen JSON Lines -objekti edustaa yhtä kohdetta (esimerkiksi kuvaa), joka on nimettävä. Tätä työnkulkua varten objektin tulee sisältää seuraavat kentät:
- lähdeviite – Amazon S3 URI kuvaan, jonka haluat merkitä.
- merkinnät – Lista merkintäobjekteista, jota käytetään työnkulkujen esimerkintään. Katso crowd-2d-skeleton dokumentaatio saadaksesi lisätietoja odotetuista arvoista.
Komentosarja luo luettelorivin jokaiselle kuvahakemiston kuvalle käyttämällä seuraavaa koodiosaa:
Jos haluat käyttää eri kuvia tai osoittaa eri kuvahakemistoon, voit muokata kyseistä koodin osaa. Lisäksi, jos käytät merkintöjä edeltävää työnkulkua, voit päivittää huomautustaulukon JSON-merkkijonolla, joka koostuu taulukosta ja kaikista sen merkintäobjekteista. Tämän taulukon muodon yksityiskohdat on dokumentoitu crowd-2d-skeleton dokumentaatio.
Kun luettelorivikohdat on nyt luotu, voit luoda ja lähettää luettelotiedoston aiemmin luomaasi S3-säilöyn:
Nyt kun olet luonut luettelotiedoston, joka sisältää kuvat, jotka haluat merkitä, voit luoda merkintätyön. Voit luoda merkintätyön ohjelmallisesti käyttämällä AWS SDK Pythonille (Boto3). Koodi merkintätyön luomiseksi on seuraava:
Tämän koodin osat, joita haluat ehkä muokata, ovat LabelingJobName
, TaskTitle
ja TaskDescription
. LabelingJobName
on merkintätyön yksilöllinen nimi, jota SageMaker käyttää työhösi viittaamiseen. Tämä on myös nimi, joka näkyy SageMaker-konsolissa. TaskTitle
palvelee samanlaista tarkoitusta, mutta sen ei tarvitse olla yksilöllinen, ja se on työpaikan nimi, joka näkyy työvoimaportaalissa. Haluat ehkä tarkentaa niitä sen mukaan, mitä merkitset tai mihin merkintätyö on tarkoitettu. Lopuksi meillä on TaskDescription
ala. Tämä kenttä näkyy työvoimaportaalissa, jotta se tarjoaa lisäkontekstia tehtävän määrittäjille, kuten tehtävän ohjeita ja ohjeita. Lisätietoja näistä ja muista kentistä on osoitteessa create_labeling_job dokumentaatio.
Tee säätöjä käyttöliittymään
Tässä osiossa käymme läpi joitakin tapoja, joilla voit mukauttaa käyttöliittymää. Seuraavassa on luettelo yleisimmistä mahdollisista käyttöliittymän mukauttamismahdollisuuksista, jotta voit mukauttaa sen mallinnustehtäväsi mukaan:
- Voit määrittää, mitkä avainpisteet voidaan merkitä. Tämä sisältää avainpisteen nimen ja sen värin.
- Voit muuttaa luurangon rakennetta (mitkä avainpisteet on yhdistetty).
- Voit muuttaa tiettyjen viivojen viivojen värejä tiettyjen avainpisteiden välillä.
Kaikki nämä käyttöliittymän mukautukset voidaan määrittää argumenteilla, jotka välitetään crowd-2d-skeleton-komponenttiin, joka on tässä käytetty JavaScript-komponentti. mukautettu työnkulkumalli. Tästä mallista löydät joukko-2d-skeleton-komponentin käytön. Yksinkertaistettu versio näkyy seuraavassa koodissa:
Edellisessä koodiesimerkissä näet seuraavat komponentin attribuutit: imgSrc
, keypointClasses
, skeletonRig
, skeletonBoundingBox
ja intialValues
. Kuvailemme kunkin määritteen tarkoitusta seuraavissa osissa, mutta käyttöliittymän mukauttaminen on yhtä yksinkertaista kuin näiden määritteiden arvojen muuttaminen, mallin tallentaminen ja post_deployment_script.py
käytimme aiemmin.
imgSrc-attribuutti
- imgSrc
attribuutti määrittää, mikä kuva näytetään käyttöliittymässä tunnisteita tehtäessä. Yleensä jokaisessa luettelon rivikohdassa käytetään eri kuvaa, joten tämä attribuutti täytetään usein dynaamisesti sisäänrakennetun Neste mallikieli. Voit nähdä edellisessä koodiesimerkissä, että attribuutin arvo on asetettu {{ task.input.image_s3_uri | grant_read_access }}
, joka on nestemäinen mallimuuttuja, joka korvataan todellisella image_s3_uri
arvoa, kun mallia renderöidään. Renderöintiprosessi alkaa, kun käyttäjä avaa kuvan huomautusta varten. Tämä prosessi nappaa rivikohdan syöttöluettelotiedostosta ja lähettää sen esimerkinnän Lambda-toimintoon event.dataObject
. Esimerkintätoiminto ottaa tarvitsemansa tiedot rivikohdasta ja palauttaa a taskInput
sanakirja, joka välitetään sitten Liquid-renderöintimoottorille, joka korvaa kaikki mallissasi olevat Liquid-muuttujat. Oletetaan esimerkiksi, että sinulla on luettelotiedosto, jossa on seuraava rivi:
Nämä tiedot välitetään esimerkintätoimintoon. Seuraava koodi näyttää, kuinka funktio poimii arvot tapahtumaobjektista:
Toiminnosta palautettu objekti näyttäisi tässä tapauksessa seuraavalta koodilta:
Toiminnosta palautetut tiedot ovat sitten Liquid-mallimoottorin käytettävissä, joka korvaa mallipohjan arvot funktion palauttamilla tietoarvoilla. Tuloksena olisi jotain seuraavanlaista koodia:
keypointClasses -määrite
- keypointClasses
attribuutti määrittää, mitkä avainpisteet näkyvät käyttöliittymässä ja joita annotaattorit käyttävät. Tämä attribuutti ottaa JSON-merkkijonon, joka sisältää luettelon objekteista. Jokainen objekti edustaa avainpistettä. Jokaisen avainpisteobjektin tulee sisältää seuraavat kentät:
- id – Ainutlaatuinen arvo tämän avainkohdan tunnistamiseksi.
- väri – Avainpisteen väri, joka esitetään HTML-heksavärisenä.
- etiketti – Nimi tai avainpisteluokka.
- x – Tätä valinnaista attribuuttia tarvitaan vain, jos haluat käyttää piirustusrunkotoimintoa käyttöliittymässä. Tämän attribuutin arvo on avainpisteen x-sijainti suhteessa rungon rajoitusruutuun. Tämän arvon saa yleensä Skeleton Rig Creator -työkalu. Jos teet avainpisteen huomautuksia eikä sinun tarvitse piirtää koko luurankoa kerralla, voit asettaa arvoksi 0.
- y – Tämä valinnainen attribuutti on samanlainen kuin x, mutta pystymitan osalta.
Lisätietoja keypointClasses
attribuutti, katso keypointClasses dokumentaatio.
skeletonRig-attribuutti
- skeletonRig
attribuutit ohjaa, minkä avainpisteiden väliin tulee vetää viivat. Tämä attribuutti ottaa JSON-merkkijonon, joka sisältää luettelon avainpisteen tunnistepareista. Jokainen pari ilmoittaa käyttöliittymälle, minkä avainpisteiden välille on vedettävä viivat. Esimerkiksi, '[["left_ankle","left_knee"],["left_knee","left_hip"]]'
kehottaa käyttöliittymää piirtämään rajat väliin "left_ankle"
ja "left_knee"
ja vedä viivoja väliin "left_knee"
ja "left_hip"
. Tämä voidaan tuottaa Skeleton Rig Creator -työkalu.
skeletonBoundingBox-attribuutti
- skeletonBoundingBox
attribuutti on valinnainen ja tarvitaan vain, jos haluat käyttää piirustusrunkotoimintoa käyttöliittymässä. Piirustusrunkotoiminto on kyky merkitä kokonaisia luurankoja yhdellä merkintätoiminnolla. Emme käsittele tätä ominaisuutta tässä viestissä. Tämän attribuutin arvo on luurangon rajoituslaatikon mitat. Tämän arvon saa yleensä Skeleton Rig Creator -työkalu. Jos teet avainpisteen huomautuksia eikä sinun tarvitse piirtää koko luurankoa kerralla, voit asettaa tämän arvon nollaksi. On suositeltavaa käyttää Skeleton Rig Creator -työkalua tämän arvon saamiseksi.
intialValues-attribuutti
- initialValues
attribuuttia käytetään esitäyttämään käyttöliittymä toisesta prosessista (kuten toisesta merkintätyöstä tai koneoppimismallista) saaduilla huomautuksilla. Tästä on hyötyä, kun teet säätö- tai tarkistustöitä. Tämän kentän tiedot täytetään yleensä dynaamisesti samassa kuvauksessa imgSrc
attribuutti. Lisätietoja löytyy osoitteesta crowd-2d-skeleton dokumentaatio.
Puhdistaa
Vältä tulevia maksuja poistamalla objektit S3-säilöstäsi ja poistamalla AWS CDK -pino. Voit poistaa S3-objektisi Amazon SageMaker -konsolin tai -konsolin kautta AWS-komentoriviliitäntä (AWS CLI). Kun olet poistanut kaikki S3-objektit sängystä, voit tuhota AWS CDK:n suorittamalla seuraavan koodin:
Tämä poistaa aiemmin luomasi resurssit.
Huomioita
Lisävaiheita voidaan tarvita työnkulun tuottamiseksi. Tässä on joitain huomioita organisaatiosi riskiprofiilista:
- Käyttöoikeuden ja sovellusten kirjaamisen lisääminen
- Verkkosovelluksen palomuurin (WAF) lisääminen
- IAM-oikeuksien säätäminen vähiten oikeuksien noudattamiseksi
Yhteenveto
Tässä viestissä kerroimme merkintöjen tehokkuuden ja tarkkuuden tärkeydestä asennonarviointitietosarjojen rakentamisessa. Auttaaksemme molempia, näytimme, kuinka voit käyttää SageMaker Ground Truthin mukautettuja merkintätyönkulkuja, jotka tukevat luurankopohjaisia merkintätehtäviä, joilla pyritään parantamaan tehokkuutta ja tarkkuutta etiketöintiprosessin aikana. Näimme, kuinka voit laajentaa koodia ja esimerkkejä erilaisiin mukautettuihin asennon arvioinnin merkintävaatimuksiin.
Suosittelemme käyttämään tätä ratkaisua merkintätehtävissäsi ja ottamaan yhteyttä AWS:ään saadaksesi apua tai tiedusteluja, jotka liittyvät mukautettuihin merkintätyönkulkuihin.
Tietoja Tekijät
Arthur Putnam on Full Stack Data Scientist AWS Professional Services -palveluissa. Arthurin asiantuntemus keskittyy etu- ja taustateknologioiden kehittämiseen ja integroimiseen tekoälyjärjestelmiin. Työn ulkopuolella Arthur nauttii tekniikan viimeisimpien saavutusten tutkimisesta, perheensä kanssa viettämisestä ja ulkoilusta.
Ben Fenker on vanhempi tietotutkija AWS Professional Services -palveluissa ja on auttanut asiakkaita rakentamaan ja ottamaan käyttöön ML-ratkaisuja urheilusta terveydenhuoltoon ja valmistukseen. Hän on Ph.D. fysiikan alalta Texas A&M Universitystä ja 6 vuoden kokemus alalta. Ben nauttii baseballista, lukemisesta ja lastensa kasvattamisesta.
Jarvis Lee on vanhempi tietotutkija, jolla on AWS-asiantuntijapalvelut. Hän on työskennellyt AWS:ssä yli kuusi vuotta ja työskennellyt asiakkaiden kanssa koneoppimisen ja tietokonenäköongelmien parissa. Työn ulkopuolella hän harrastaa pyöräilyä.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/skeleton-based-pose-annotation-labeling-using-amazon-sagemaker-ground-truth/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 1
- 10
- 100
- 13
- 15%
- 17
- 2D
- 31
- 320
- 7
- 8
- 9
- a
- kyky
- pystyy
- pääsy
- saatavilla
- Tili
- tarkkuus
- tarkka
- tarkasti
- hankkia
- hankinta
- poikki
- Toiminta
- säädökset
- todellinen
- lisätä
- lisä-
- Lisäksi
- Säätö
- oikaisut
- edistysaskeleet
- Jälkeen
- AI
- AI-järjestelmät
- Tähtäimessä
- Kaikki
- sallia
- mahdollistaa
- Myös
- Amazon
- Amazon Sage Maker
- Amazon SageMaker Ground Totuus
- Amazon Web Services
- an
- ja
- eläimet
- Toinen
- Kaikki
- näyttää
- näyttää
- Hakemus
- sovellukset
- sovellettu
- arkkitehtuuri
- OVAT
- perustelu
- perustelut
- noin
- Ryhmä
- Arthur
- AS
- näkökohdat
- osoitettu
- Apu
- olettaa
- At
- attribuutteja
- täydennetty
- Augmented Reality
- automaattisesti
- saatavissa
- keskimäärin
- välttää
- AWS
- AWS-asiantuntijapalvelut
- Back-end
- Baseball
- perustua
- Lähtötilanne
- BE
- koska
- ollut
- ennen
- alkaa
- ovat
- ben
- välillä
- sekä
- Laatikko
- laaja
- selain
- rakentaa
- Rakentaminen
- sisäänrakennettu
- taakka
- mutta
- by
- laskelmat
- nimeltään
- CAN
- huolellisesti
- tapaus
- CD
- keskitetty
- muuttaa
- Muutokset
- muuttuviin
- maksut
- tarkastaa
- Valita
- luokka
- siivooja
- cli
- asiakas
- koodi
- väri
- tulee
- Yhteinen
- täydellinen
- komponentti
- osat
- Sisältää
- tietokone
- Tietokoneen visio
- kytketty
- näkökohdat
- johdonmukainen
- Koostuu
- Console
- sisältää
- sisältää
- tausta
- valvonta
- vastaa
- Hinta
- kattaa
- luoda
- luotu
- luo
- Luominen
- luominen
- luoja
- kriittinen
- ylitys
- väkijoukko
- asiakassuhde
- Erikoisvalmisteinen
- Asiakkaat
- räätälöinnin
- räätälöidä
- tiedot
- tietojenkäsittely
- tietojen tutkija
- aineistot
- treffiaika
- syvä
- syvä oppiminen
- syvempää
- määritellä
- määritelty
- määrittelee
- määritelmä
- osoittaa
- riippuvainen
- Riippuen
- riippuu
- sijoittaa
- käyttöön
- kuvata
- kuvaus
- suunniteltu
- suunnittelu
- haluttu
- tuhota
- yksityiskohta
- yksityiskohdat
- Detection
- kehittämällä
- kaavio
- eri
- Ulottuvuus
- mitat
- suoraan
- hakemisto
- jakelu
- sukellus
- useat
- do
- ei
- tekee
- tehty
- Dont
- lataukset
- piirtää
- laadittu
- kaksi
- aikana
- dynaamisesti
- kukin
- Aikaisemmin
- helpottaa
- helposti
- tehokkuuden
- tehokkuus
- kannustaa
- sitoutua
- Moottori
- parantaa
- nauttimassa
- varmistaa
- Viihde
- Koko
- ympäristö
- virhe
- virheet
- Jopa
- tapahtuma
- tutkia
- esimerkki
- Esimerkit
- Laajentaa
- odotettu
- experience
- asiantuntemus
- Selittää
- Tutkiminen
- laajentaa
- lisää
- otteet
- tuttu
- perehdyttää
- perhe
- Ominaisuus
- Ominaisuudet
- ala
- Fields
- filee
- Asiakirjat
- lopullinen
- Löytää
- palomuuri
- Etunimi
- Joustavuus
- Keskittää
- seurata
- jälkeen
- seuraa
- Jalka
- varten
- muoto
- löytyi
- alkaen
- toiminto
- toiminnallisuus
- tehtävät
- perus-
- edelleen
- tulevaisuutta
- syntyy
- saada
- gif
- GitHub
- Antaa
- Go
- Maa
- ohjaus
- Vetimet
- Olla
- ottaa
- he
- terveydenhuollon
- raskaasti
- auttaa
- auttanut
- hyödyllinen
- auttaa
- tätä
- HEX
- korkealaatuisia
- hänen
- isäntä
- isännöi
- hotellit
- Miten
- Miten
- HTML
- http
- HTTPS
- ihmisen
- Sadat
- ID
- tunnistettu
- tunnistaa
- tunnistaminen
- Identiteetti
- if
- kuva
- kuvien
- merkitys
- tärkeä
- parantaa
- parani
- in
- sisältää
- yhdistetty
- indeksi
- teollisuuden
- teollisuus
- tehoton
- vaikuttaneet
- tiedot
- tiedottaa
- aloitteita
- panos
- Kyselyt
- asentaa
- ohjeet
- Integrointi
- korko
- kiinnostunut
- liitäntä
- Internet
- tulee
- liittyy
- IT
- kohdetta
- SEN
- JavaScript
- Job
- Työpaikat
- jpg
- json
- avain
- Avainpisteiden tunnistus
- Lasten
- Merkki
- merkinnät
- tarrat
- Kieli
- suuri
- lopuksi
- myöhemmin
- uusin
- käynnistää
- käynnistettiin
- käynnistäminen
- johtava
- OPPIA
- oppiminen
- vähiten
- Lets
- pitää
- linja
- linjat
- Neste
- Lista
- sijaitsevat
- sijainti
- log
- kirjattu
- katso
- näyttää joltakin
- kone
- koneoppiminen
- tehty
- tehdä
- hoitaa
- manuaalinen
- valmistus
- monet
- Merkitse
- merkki
- Saattaa..
- ehkä
- Media
- lääketieteellinen
- Lääketieteelliset sovellukset
- Metadata
- minimoida
- virheitä
- ML
- malli
- mallintaminen
- mallit
- Muutokset
- muokata
- lisää
- eniten
- nimi
- luonto
- välttämätön
- Tarve
- tarvitaan
- tarpeet
- seuraava
- Nro
- huomata
- nyt
- objekti
- esineet
- saatu
- saada
- of
- usein
- on
- kerran
- ONE
- verkossa
- vain
- avata
- avoimen lähdekoodin
- avautuu
- or
- tilata
- organisaatioiden
- alkuperä
- alkuperäinen
- OS
- Muut
- Muuta
- meidän
- ulos
- ulkona
- ulostulo
- ulkopuolella
- yli
- yleinen
- oma
- paketit
- pari
- paria
- osa
- osat
- Hyväksytty
- polku
- Ihmiset
- suorituskyky
- Oikeudet
- Fysiikka
- Paikka
- Platon
- Platonin tietotieto
- PlatonData
- Kohta
- pistettä
- politiikka
- asutuilla
- Portal
- aiheuttaa
- Asennon arvio
- aiheuttaa
- sijainti
- Kirje
- mahdollinen
- harjoitusta.
- edeltävä
- Tarkkuus
- edellytyksiä
- esitetty
- esittäminen
- estää
- estää
- edellinen
- aiemmin
- periaate
- yksityinen
- ongelmia
- prosessi
- Prosessit
- käsittely
- tuottaa
- ammatillinen
- Profiili
- toimittaa
- mikäli
- tarjoaa
- julkinen
- tarkoitus
- tarkoituksiin
- Python
- laatu
- nopeasti
- nostamalla
- alue
- alainen
- Lue
- Lukeminen
- valmis
- todellinen maailma
- Todellisuus
- tunnistaa
- suositeltu
- vähentämällä
- katso
- viite
- liittyvä
- suhteellinen
- luotettava
- jäädä
- poistaa
- sulatettu
- mallinnus
- korvata
- korvataan
- säilytyspaikka
- edustettuina
- edustaa
- tarvitaan
- vaatimukset
- Vaatii
- Esittelymateriaalit
- vastaus
- vastuullinen
- rajoitukset
- johtua
- tulokset
- palata
- Tuotto
- arviot
- ratsastus
- kamppeet
- Riski
- robotiikka
- luja
- Rooli
- ajaa
- juoksu
- runtime
- sagemaker
- sama
- näyte
- tallentaa
- sanoa
- skenaariot
- Tiedemies
- käsikirjoitus
- skriptejä
- sdk
- Osa
- osiot
- turvallisuus
- nähdä
- valita
- lähettää
- vanhempi
- palvelee
- Palvelut
- setti
- asetus
- useat
- yhteinen
- shouldnt
- näyttää
- osoittivat
- esitetty
- Näytä
- merkittävä
- samankaltainen
- Yksinkertainen
- yksinkertaisuus
- yksinkertaistettu
- yksinkertaisesti
- single
- SIX
- So
- ratkaisu
- Ratkaisumme
- jonkin verran
- jotain
- lähde
- erityinen
- erityinen
- erityisesti
- menot
- Urheilu
- pino
- alkaa
- Askeleet
- Levytila
- verkkokaupasta
- tallennettu
- suora
- tehostaa
- jono
- rakenne
- merkittävä
- niin
- tuki
- vaihtaa
- vaihtosopimukset
- järjestelmä
- järjestelmät
- ottaa
- vie
- kohdennettu
- Tehtävä
- tehtävät
- tekniikka
- Technologies
- Elektroniikka
- sapluuna
- kymmeniä
- texas
- että
- -
- tiedot
- Linja
- heidän
- Niitä
- sitten
- siten
- siksi
- Nämä
- ne
- tätä
- tuhansia
- Kautta
- tied
- aika
- että
- otti
- työkalu
- Juna
- koulutettu
- koulutus
- laukeaa
- kuorma-auto
- totta
- Totuus
- VUORO
- tyypillisesti
- ui
- ymmärtää
- unique
- yliopisto
- asti
- Päivitykset
- Käyttö
- käyttää
- käytetty
- hyödyllinen
- käyttäjä
- Käyttöliittymä
- käyttötarkoituksiin
- käyttämällä
- yleensä
- arvo
- arvot
- muuttuja
- vaihtelut
- eri
- Ajoneuvot
- versio
- pystysuora
- kautta
- Videoita
- visio
- visuaalinen
- tilavuus
- W
- kävellä
- kävelee
- läpikäynti
- haluta
- oli
- Tapa..
- tavalla
- we
- verkko
- Web-sovellus
- Web-selain
- verkkopalvelut
- HYVIN
- Mitä
- kun
- taas
- onko
- joka
- vaikka
- KUKA
- tulee
- toivottaa
- with
- sisällä
- ilman
- Referenssit
- työntekijä
- työnkulku
- työnkulkuja
- työvoima
- työskentely
- olisi
- kirjoittaminen
- X
- vuotta
- Voit
- Sinun
- itse
- zephyrnet