הערכת תנוחה היא טכניקת ראייה ממוחשבת המזהה קבוצה של נקודות על עצמים (כגון אנשים או כלי רכב) בתוך תמונות או סרטונים. להערכת פוזה יש יישומים מהעולם האמיתי בספורט, רובוטיקה, אבטחה, מציאות רבודה, מדיה ובידור, יישומים רפואיים ועוד. מודלים להערכת תנוחה מאומנים על תמונות או סרטונים עם הערות עם קבוצה עקבית של נקודות (קואורדינטות) המוגדרות על ידי מתקן. כדי להכשיר מודלים מדויקים של הערכת פוזות, תחילה עליך לרכוש מערך נתונים גדול של תמונות מוערות; מערכי נתונים רבים מכילים עשרות או מאות אלפי תמונות מוערות וצורכים משאבים משמעותיים לבנייה. שגיאות תיוג חשוב לזהות ולמנוע מכיוון שביצועי המודל עבור מודלים להערכת תנוחות מושפעים במידה רבה מאיכות הנתונים המסומנים ומנפח הנתונים.
בפוסט זה, אנו מראים כיצד ניתן להשתמש בזרימת עבודה של תיוג מותאם אישית האמת של אמזון SageMaker תוכנן במיוחד עבור תיוג נקודת מפתח. זרימת עבודה מותאמת אישית זו מסייעת לייעל את תהליך התיוג ולמזער שגיאות תיוג, ובכך להפחית את העלות של השגת תוויות תנוחות באיכות גבוהה.
חשיבות הנתונים באיכות גבוהה והפחתת שגיאות תיוג
נתונים באיכות גבוהה הם בסיסיים להכשרת מודלים אמינים של פוזות חזקים ואמינים. הדיוק של מודלים אלה קשור ישירות לנכונות ולדיוק של התוויות המוקצות לכל נקודת מפתח של תנוחה, אשר, בתורה, תלויה ביעילות של תהליך ההערה. בנוסף, כמות ניכרת של נתונים מגוונים ומוסרים היטב מבטיחה שהמודל יוכל ללמוד מגוון רחב של תנוחות, וריאציות ותרחישים, מה שמוביל להכללה ולביצועים משופרים על פני יישומים שונים בעולם האמיתי. הרכישה של מערכי נתונים גדולים ומוסרים אלה כרוכה במעריכים אנושיים שמתייגים בקפידה תמונות עם מידע על פוזות. תוך כדי תיוג של נקודות עניין בתוך התמונה, כדאי לראות את מבנה השלד של האובייקט תוך כדי תיוג על מנת לספק הדרכה ויזואלית למציין. זה מועיל לזיהוי שגיאות תיוג לפני שהן משולבות במערך הנתונים כמו החלפות שמאל-ימין או תוויות שגויות (כגון סימון כף הרגל ככתף). לדוגמה, ניתן לזהות בקלות שגיאת תיוג כמו ההחלפה משמאל לימין בדוגמה הבאה על ידי חציית קווי מתקן השלד ואי התאמת הצבעים. רמזים ויזואליים אלה עוזרים למתייגים לזהות טעויות ויביאו לקבוצה נקייה יותר של תוויות.
בשל האופי הידני של התיוג, השגת מערכי נתונים מסומנים גדולים ומדויקים עלולה להיות חוסכת עלות ואף יותר מכך עם מערכת תיוג לא יעילה. לכן, יעילות ודיוק תיוג הם קריטיים בעת תכנון זרימת העבודה של התיוג. בפוסט זה, אנו מדגימים כיצד להשתמש בזרימת עבודה מותאמת אישית של SageMaker Ground Truth להוספת הערות לתמונות במהירות ובדייקנות, תוך הפחתת העומס של פיתוח מערכי נתונים גדולים עבור זרימות עבודה של הערכת פוזות.
סקירה כללית של הפיתרון
פתרון זה מספק פורטל אינטרנט מקוון שבו עובדי התיוג יכולים להשתמש בדפדפן אינטרנט כדי להיכנס, לגשת לעבודות תיוג ולהערות תמונות באמצעות ממשק המשתמש crowd-2d-skeleton (UI), ממשק משתמש מותאם אישית המיועד לתיוג נקודות מפתח ותנוחות באמצעות SageMaker Ground Truth. ההערות או התוויות שנוצרו על ידי כוח העבודה המתויג מיוצאות לאחר מכן ל- שירות אחסון פשוט של אמזון דלי (Amazon S3), שבו ניתן להשתמש בהם לתהליכים במורד הזרם כמו אימון מודלים של ראייה ממוחשבת בלמידה עמוקה. פתרון זה מנחה אותך כיצד להגדיר ולפרוס את הרכיבים הדרושים ליצירת פורטל אינטרנט וכן כיצד ליצור עבודות תיוג עבור זרימת עבודה זו לתיוג.
להלן תרשים של הארכיטקטורה הכוללת.
ארכיטקטורה זו מורכבת ממספר מרכיבים מרכזיים, שכל אחד מהם נסביר בפירוט רב יותר בסעיפים הבאים. ארכיטקטורה זו מספקת לכוח העבודה המתייג פורטל אינטרנט מקוון המתארח על ידי SageMaker Ground Truth. פורטל זה מאפשר לכל מתויג להיכנס ולראות את עבודות התיוג שלו. לאחר שהם התחברו, המתויג יכול לבחור עבודת תיוג ולהתחיל להוסיף הערות לתמונות באמצעות ממשק המשתמש המותאם אישית המתארח על ידי אמזון CloudFront. אנו משתמשים AWS למבדה פונקציות לעיבוד נתונים לפני ההערה ואחרי ההערה.
צילום המסך הבא הוא דוגמה לממשק המשתמש.
המתויג יכול לסמן נקודות מפתח ספציפיות בתמונה באמצעות ממשק המשתמש. הקווים בין נקודות המפתח ישורטו באופן אוטומטי עבור המשתמש בהתבסס על הגדרת מתקן שלד בה משתמש ממשק המשתמש. ממשק המשתמש מאפשר התאמות אישיות רבות, כגון הבאות:
- שמות נקודות מפתח מותאמים אישית
- צבעי נקודת מפתח הניתנים להגדרה
- צבעי קו מתקן הניתנים להגדרה
- מבני שלד ואסדות ניתנים להגדרה
כל אחת מהן תכונות ממוקדות לשיפור הקלות והגמישות של תיוג. ניתן למצוא פרטים ספציפיים על התאמה אישית של ממשק המשתמש ב- GitHub ריפו ומסוכמים בהמשך הפוסט הזה. שימו לב שבפוסט זה, אנו משתמשים בהערכת תנוחת האדם כמשימה בסיסית, אך ניתן להרחיב אותה לתיוג תנוחת אובייקט עם מתקן מוגדר מראש גם עבור אובייקטים אחרים, כגון חיות או כלי רכב. בדוגמה הבאה, אנו מראים כיצד ניתן ליישם זאת כדי לתייג את הנקודות של משאית ארגז.
אמת קרקע SageMaker
בפתרון זה, אנו משתמשים ב- SageMaker Ground Truth כדי לספק לכוח העבודה התיוג פורטל מקוון ודרך לניהול משרות תיוג. הפוסט הזה מניח שאתה מכיר את SageMaker Ground Truth. למידע נוסף, עיין ב האמת של אמזון SageMaker.
הפצת CloudFront
עבור פתרון זה, ממשק המשתמש לתיוג דורש רכיב JavaScript בנוי בהתאמה אישית הנקרא רכיב crowd-2d-skeleton. ניתן למצוא את הרכיב הזה ב GitHub כחלק מיוזמות הקוד הפתוח של אמזון. הפצת CloudFront תשמש לארח את crowd-2d-skeleton.js, אשר נדרש על ידי SageMaker Ground Truth UI. להפצת CloudFront תוקצה זהות גישה מקורית, שתאפשר להפצה של CloudFront לגשת ל-crowd-2d-skeleton.js השוכן בדלי S3. דלי ה-S3 יישאר פרטי ואף אובייקטים אחרים בדלי הזה לא יהיו זמינים דרך הפצת CloudFront עקב הגבלות שאנו מציבים על זהות הגישה למקור באמצעות מדיניות דלי. זהו תרגול מומלץ לשמירה על עקרון המינימום הזכויות.
דלי אמזון S3
אנו משתמשים בדלי S3 כדי לאחסן את קובצי הקלט והפלט של SageMaker Ground Truth, תבנית ממשק המשתמש המותאמת אישית, תמונות עבור עבודות התיוג וקוד JavaScript הדרוש עבור ממשק המשתמש המותאם אישית. דלי זה יהיה פרטי ולא נגיש לציבור. לדלי תהיה גם מדיניות דלי המגבילה את הפצת CloudFront לגישה רק לקוד JavaScript הדרוש עבור ממשק המשתמש. זה מונע מהפצת CloudFront לארח כל אובייקט אחר בדלי S3.
פונקציית Lambda לפני הערה
עבודות תיוג של SageMaker Ground Truth משתמשות בדרך כלל בקובץ מניפסט קלט, שהוא בפורמט JSON Lines. קובץ מניפסט קלט זה מכיל מטא נתונים עבור עבודת תיוג, פועל כהפניה לנתונים שיש לתייג, ועוזר להגדיר כיצד הנתונים אמורים להיות מוצגים בפני הגורמים. פונקציית Lambda לפני ההערה מעבדת פריטים מקובץ מניפסט הקלט לפני שנתוני המניפסט מוזנים לתבנית ממשק המשתמש המותאמת אישית. זה המקום שבו ניתן לבצע כל עיצוב או שינויים מיוחדים בפריטים לפני הצגת הנתונים למגיבים בממשק המשתמש. למידע נוסף על פונקציות למבדה לפני הערה, ראה למבדה לפני הערה.
פונקציית Lambda לאחר הערה
בדומה לפונקציית Lambda שלפני ההערה, הפונקציה שלאחר ההערה מטפלת בעיבוד נתונים נוסף שאולי תרצה לעשות לאחר שכל המתייגים סיימו לתייג אך לפני כתיבת תוצאות פלט ההערות הסופיות. עיבוד זה נעשה על ידי פונקציית Lambda, אשר אחראית על עיצוב הנתונים עבור תוצאות הפלט של עבודת התיוג. בפתרון זה, אנו פשוט משתמשים בו כדי להחזיר את הנתונים בפורמט הפלט הרצוי שלנו. למידע נוסף על פונקציות למבדה לאחר ההערה, ראה למבדה לאחר הערה.
תפקיד פונקציית למבדה לאחר ההערה
אנו משתמשים ב- AWS זהות וניהול גישה (IAM) תפקיד לתת לפונקציית Lambda שלאחר ההערה גישה לדלי S3. זה נחוץ כדי לקרוא את תוצאות ההערות ולבצע שינויים כלשהם לפני כתיבת התוצאות הסופיות לקובץ מניפסט הפלט.
תפקיד SageMaker Ground Truth
אנו משתמשים בתפקיד IAM זה כדי להעניק למשרת התיוג של SageMaker Ground Truth את היכולת להפעיל את פונקציות Lambda ולקרוא את התמונות, קבצי המניפסט ותבנית ממשק משתמש מותאמת אישית בדלי S3.
תנאים מוקדמים
לפריצת דרך זו, יהיו עליכם התנאים המוקדמים הבאים:
עבור פתרון זה, אנו משתמשים ב-AWS CDK כדי לפרוס את הארכיטקטורה. לאחר מכן אנו יוצרים משימת תיוג לדוגמה, משתמשים בפורטל ההערות כדי לתייג את התמונות בעבודת התיוג, ובוחנים את תוצאות התיוג.
צור את ערימת ה-AWS CDK
לאחר שתשלים את כל הדרישות המוקדמות, אתה מוכן לפרוס את הפתרון.
הגדר את המשאבים שלך
השלם את השלבים הבאים כדי להגדיר את המשאבים שלך:
- הורד את המחסנית לדוגמה מה- GitHub ריפו.
- השתמש בפקודה cd כדי לעבור למאגר.
- צור את סביבת Python שלך והתקן את החבילות הנדרשות (ראה מאגר README.md לפרטים נוספים).
- כאשר סביבת Python שלך מופעלת, הפעל את הפקודה הבאה:
- הפעל את הפקודה הבאה כדי לפרוס את AWS CDK:
- הפעל את הפקודה הבאה כדי להפעיל את הסקריפט שלאחר הפריסה:
צור עבודת תיוג
לאחר שתגדיר את המשאבים שלך, אתה מוכן ליצור עבודת תיוג. למטרות פוסט זה, אנו יוצרים עבודת תיוג באמצעות סקריפטים ותמונות לדוגמה המסופקים במאגר.
- CD לתוך
scripts
ספרייה במאגר. - הורד את התמונות לדוגמה מהאינטרנט על ידי הפעלת הקוד הבא:
סקריפט זה מוריד קבוצה של 10 תמונות, שבהן אנו משתמשים בעבודת התיוג לדוגמה שלנו. אנו בודקים כיצד להשתמש בנתוני קלט מותאמים אישית משלך בהמשך פוסט זה.
- צור עבודת תיוג על ידי הפעלת הקוד הבא:
הסקריפט הזה לוקח ARN של כוח עבודה פרטי של SageMaker Ground Truth כטיעון, שאמור להיות ה-ARN עבור כוח עבודה שיש לך באותו חשבון שבו פרסת את הארכיטקטורה הזו. הסקריפט יצור את קובץ מניפסט הקלט עבור עבודת התיוג שלנו, יעלה אותו לאמזון S3 ויצור משימת תיוג מותאמת אישית של SageMaker Ground Truth. אנו צוללים עמוק יותר לתוך הפרטים של התסריט הזה בהמשך הפוסט הזה.
תווית את מערך הנתונים
לאחר שהשקת את עבודת התיוג לדוגמה, היא תופיע בקונסולת SageMaker וכן בפורטל כוח העבודה.
בפורטל כוח העבודה, בחר את עבודת התיוג ובחר תתחיל לעבוד.
תוצג לך תמונה ממערך הנתונים לדוגמה. בשלב זה, אתה יכול להשתמש בממשק המשתמש המותאם אישית של crowd-2d-skeleton כדי להוסיף הערות לתמונות. אתה יכול להכיר את ממשק המשתמש של crowd-2d-skeleton על ידי הפניה סקירת ממשק משתמש. אנו משתמשים בהגדרת המתקן מ- אתגר נתונים לזיהוי נקודות מפתח של COCO כמו מתקן הפוזה האנושי. כדי להדגיש, אתה יכול להתאים זאת ללא רכיב ממשק המשתמש המותאם שלנו כדי להסיר או להוסיף נקודות בהתאם לדרישות שלך.
כשתסיים להוסיף הערות לתמונה, בחר חפש. זה יעביר אותך לתמונה הבאה במערך הנתונים עד שכל התמונות יסווגו.
גש לתוצאות התיוג
לאחר שתסיים לתייג את כל התמונות בעבודת התיוג, SageMaker Ground Truth יפעיל את פונקציית Lambda שלאחר ההערה ויפיק קובץ output.manifest המכיל את כל ההערות. זֶה output.manifest
יאוחסן בדלי S3. במקרה שלנו, המיקום של מניפסט הפלט צריך ללכת לפי נתיב URI S3 s3://<bucket name> /labeling_jobs/output/<labeling job name>/manifests/output/output.manifest
. הקובץ output.manifest הוא קובץ JSON Lines, כאשר כל שורה מתאימה לתמונה בודדת ולהערות שלה מכוח העבודה המתויג. כל פריט JSON Lines הוא אובייקט JSON עם שדות רבים. התחום שאנו מתעניינים בו נקרא label-results
. הערך של שדה זה הוא אובייקט המכיל את השדות הבאים:
- dataset_object_id - המזהה או האינדקס של פריט מניפסט הקלט
- data_object_s3_uri – URI של Amazon S3 של התמונה
- שם_קובץ_image – שם הקובץ של התמונה
- image_s3_location – כתובת האתר של Amazon S3 של התמונה
- ביאורים_מקוריים - ההערות המקוריות (מוגדרות ומשמשות רק אם אתה משתמש בתהליך עבודה שלפני הערות)
- מעודכנים_ביאורים – ההערות לתמונה
- עובד_מזהה – עובד כוח העבודה שערך את ההערות
- אין_דרושים_שינויים - האם תיבת הסימון אין צורך בשינויים נבחרה
- היה_שונה – האם נתוני ההערה שונים מנתוני הקלט המקוריים
- סך_זמן_בשניות - הזמן שלקח לעובד כוח העבודה להעיר את התמונה
באמצעות שדות אלה, תוכל לגשת לתוצאות ההערות שלך עבור כל תמונה ולבצע חישובים כמו זמן ממוצע לתיוג תמונה.
צור עבודות תיוג משלך
כעת, לאחר שיצרנו דוגמה לעבודת תיוג ואתה מבין את התהליך הכולל, אנו מעבירים אותך דרך הקוד שאחראי ליצירת קובץ המניפסט והשקת עבודת התיוג. אנו מתמקדים בחלקי המפתח של הסקריפט שאולי תרצה לשנות כדי להשיק עבודות תיוג משלך.
אנו מכסים קטעי קוד מה- create_example_labeling_job.py
סקריפט הממוקם ב מאגר GitHub. הסקריפט מתחיל בהגדרת משתנים המשמשים בהמשך הסקריפט. חלק מהמשתנים מקודדים קשה למען הפשטות, בעוד שאחרים, שהם תלויי מחסנית, ייבואו באופן דינמי בזמן ריצה על ידי שליפת הערכים שנוצרו מחסנית ה-AWS CDK שלנו.
קטע המפתח הראשון בסקריפט זה הוא יצירת קובץ המניפסט. נזכיר שקובץ המניפסט הוא קובץ שורות JSON המכיל את הפרטים עבור עבודת תיוג של SageMaker Ground Truth. כל אובייקט JSON Lines מייצג פריט אחד (לדוגמה, תמונה) שצריך להיות מתויג. עבור זרימת עבודה זו, האובייקט צריך להכיל את השדות הבאים:
- מקור-ref - ה-URI של Amazon S3 לתמונה שברצונך לסמן.
- הערות – רשימה של אובייקטי הערות, המשמשת לתהליכי עבודה מקדימים להערות. ראה את תיעוד crowd-2d-skeleton לפרטים נוספים על הערכים הצפויים.
הסקריפט יוצר שורת מניפסט עבור כל תמונה בספריית התמונות באמצעות קטע הקוד הבא:
אם אתה רוצה להשתמש בתמונות שונות או להצביע על ספריית תמונות אחרת, אתה יכול לשנות את החלק הזה בקוד. בנוסף, אם אתה משתמש בזרימת עבודה לפני הערות, תוכל לעדכן את מערך ההערות עם מחרוזת JSON המורכבת מהמערך וכל אובייקטי ההערות שלו. הפרטים של הפורמט של מערך זה מתועדים ב- תיעוד crowd-2d-skeleton.
עם פריטי המניפסט שנוצרו כעת, תוכל ליצור ולהעלות את קובץ המניפסט לדלי S3 שיצרת קודם לכן:
כעת, לאחר שיצרת קובץ מניפסט המכיל את התמונות שברצונך לסמן, תוכל ליצור עבודת תיוג. אתה יכול ליצור את עבודת התיוג באופן תוכנתי באמצעות ה AWS SDK עבור Python (Boto3). הקוד ליצירת עבודת תיוג הוא כדלקמן:
ההיבטים של קוד זה שאולי תרצו לשנות הם LabelingJobName
, TaskTitle
, ו TaskDescription
. ה LabelingJobName
הוא השם הייחודי של עבודת התיוג שבה ישתמש SageMaker כדי להתייחס לעבודה שלך. זה גם השם שיופיע בקונסולת SageMaker. TaskTitle
משרת מטרה דומה, אך אינו חייב להיות ייחודי ויהיה שם המשרה המופיעה בפורטל כוח האדם. ייתכן שתרצה להפוך אותם לספציפיים יותר למה שאתה מתייג או למה מיועדת עבודת התיוג. לבסוף, יש לנו את TaskDescription
שדה. שדה זה מופיע בפורטל כוח העבודה כדי לספק הקשר נוסף למתייגים לגבי מהי המשימה, כגון הוראות והדרכה למשימה. למידע נוסף על שדות אלה כמו גם על האחרים, עיין ב- תיעוד_תווית_עבודה.
בצע התאמות בממשק המשתמש
בחלק זה, נעבור על כמה מהדרכים שבהן תוכל להתאים אישית את ממשק המשתמש. להלן רשימה של ההתאמות הפוטנציאליות הנפוצות ביותר לממשק המשתמש כדי להתאים אותו למשימת הדוגמנות שלך:
- אתה יכול להגדיר אילו נקודות מפתח ניתן לתייג. זה כולל את השם של נקודת המפתח והצבע שלה.
- ניתן לשנות את מבנה השלד (אילו נקודות מפתח מחוברות).
- ניתן לשנות את צבעי הקו עבור קווים ספציפיים בין נקודות מפתח ספציפיות.
כל ההתאמות האישיות של ממשק המשתמש ניתנות להגדרה באמצעות ארגומנטים המועברים לרכיב crowd-2d-skeleton, שהוא רכיב ה-JavaScript המשמש ברכיב זה תבנית זרימת עבודה מותאמת אישית. בתבנית זו תמצאו את השימוש ברכיב crowd-2d-skeleton. גרסה פשוטה מוצגת בקוד הבא:
בדוגמה הקודמת של הקוד, אתה יכול לראות את התכונות הבאות על הרכיב: imgSrc
, keypointClasses
, skeletonRig
, skeletonBoundingBox
, ו intialValues
. אנו מתארים את מטרת כל תכונה בסעיפים הבאים, אך התאמה אישית של ממשק המשתמש היא פשוטה כמו שינוי הערכים עבור תכונות אלה, שמירת התבנית והפעלה מחדש של post_deployment_script.py
השתמשנו בעבר.
מאפיין imgSrc
השמיים imgSrc
תכונה שולטת איזו תמונה להציג בממשק המשתמש בעת תיוג. בדרך כלל, נעשה שימוש בתמונה שונה עבור כל פריט מניפסט, ולכן תכונה זו מאוכלסת לעתים קרובות באופן דינמי באמצעות התכונה המובנית נוזל שפת תבנית. אתה יכול לראות בדוגמה הקודמת שערך התכונה מוגדר ל {{ task.input.image_s3_uri | grant_read_access }}
, שהוא משתנה Liquid template שיוחלף ב-actual image_s3_uri
ערך כאשר התבנית עוברת רינדור. תהליך העיבוד מתחיל כאשר המשתמש פותח תמונה להערה. תהליך זה תופס פריט שורה מקובץ מניפסט הקלט ושולח אותו לפונקציית Lambda לפני ההערה בתור event.dataObject
. הפונקציה קדם-הערה לוקחת את המידע הדרוש לה מפריט השורה ומחזירה א taskInput
מילון, אשר מועבר לאחר מכן למנוע העיבוד של Liquid, אשר יחליף את כל משתני Liquid בתבנית שלך. לדוגמה, נניח שיש לך קובץ מניפסט עם השורה הבאה:
נתונים אלה יועברו לפונקציה שלפני ההערה. הקוד הבא מראה כיצד הפונקציה מחלצת את הערכים מאובייקט האירוע:
האובייקט המוחזר מהפונקציה במקרה זה ייראה כמו הקוד הבא:
הנתונים המוחזרים מהפונקציה זמינים לאחר מכן למנוע התבנית Liquid, אשר מחליף את ערכי התבנית בתבנית בערכי הנתונים המוחזרים על ידי הפונקציה. התוצאה תהיה משהו כמו הקוד הבא:
תכונת keypointClasses
השמיים keypointClasses
תכונה מגדירה אילו נקודות מפתח יופיעו בממשק המשתמש וישמשו את הכותבים. תכונה זו לוקחת מחרוזת JSON המכילה רשימה של אובייקטים. כל אובייקט מייצג נקודת מפתח. כל אובייקט נקודת מפתח צריך להכיל את השדות הבאים:
- id – ערך ייחודי לזיהוי נקודת מפתח זו.
- צֶבַע – הצבע של נקודת המפתח המיוצגת כצבע hex HTML.
- תווית – מעמד השם או נקודת המפתח.
- x - תכונה אופציונלית זו נחוצה רק אם ברצונך להשתמש בפונקציונליות השרטוט של השלד בממשק המשתמש. הערך עבור תכונה זו הוא מיקום x של נקודת המפתח ביחס לתיבה התוחמת של השלד. ערך זה מתקבל בדרך כלל על ידי ה כלי יוצר השלד. אם אתה עושה הערות נקודת מפתח ולא צריך לצייר שלד שלם בבת אחת, אתה יכול להגדיר את הערך הזה ל-0.
- y – תכונה אופציונלית זו דומה ל-x, אך עבור הממד האנכי.
לקבלת מידע נוסף על keypointClasses
תכונה, ראה את תיעוד keypointClass.
תכונת skeletonRig
השמיים skeletonRig
תכונה שולטת באילו נקודות מפתח יש לצייר קווים ביניהן. תכונה זו לוקחת מחרוזת JSON המכילה רשימה של צמדי תוויות של נקודות מפתח. כל זוג מודיע לממשק המשתמש אילו נקודות מפתח לשרטט קווים. לדוגמה, '[["left_ankle","left_knee"],["left_knee","left_hip"]]'
מודיע לממשק המשתמש למתוח קווים ביניהם "left_ankle"
ו "left_knee"
ולצייר קווים ביניהם "left_knee"
ו "left_hip"
. זה יכול להיווצר על ידי כלי יוצר השלד.
מאפיין skeletonBoundingBox
השמיים skeletonBoundingBox
התכונה היא אופציונלית ונחוצה רק אם ברצונך להשתמש בפונקציונליות ה- draw skeleton בממשק המשתמש. פונקציונליות השלד לצייר היא היכולת להוסיף הערות לשלדים שלמים בפעולת הערה אחת. אנחנו לא מכסים תכונה זו בפוסט זה. הערך עבור תכונה זו הוא ממדי התיבה התוחמת של השלד. ערך זה מתקבל בדרך כלל על ידי ה כלי יוצר השלד. אם אתה עושה הערות נקודת מפתח ולא צריך לצייר שלד שלם בבת אחת, אתה יכול להגדיר את הערך הזה ל- null. מומלץ להשתמש בכלי Skeleton Rig Creator כדי לקבל ערך זה.
תכונת intialValues
השמיים initialValues
תכונה משמשת לאכלוס מראש של ממשק המשתמש בהערות שהתקבלו מתהליך אחר (כגון עבודת תיוג אחרת או מודל למידת מכונה). זה שימושי בעת ביצוע עבודות התאמה או סקירה. הנתונים עבור שדה זה מאוכלסים בדרך כלל באופן דינמי באותו תיאור עבור imgSrc
תְכוּנָה. פרטים נוספים ניתן למצוא ב תיעוד crowd-2d-skeleton.
לנקות את
כדי להימנע מחיובים עתידיים, עליך למחוק את האובייקטים בדלי S3 שלך ולמחוק את ערימת ה-AWS CDK שלך. אתה יכול למחוק את אובייקטי S3 שלך דרך קונסולת Amazon SageMaker או ממשק שורת הפקודה של AWS (AWS CLI). לאחר שמחקת את כל אובייקטי S3 בדלי, תוכל להרוס את ה-AWS CDK על ידי הפעלת הקוד הבא:
פעולה זו תסיר את המשאבים שיצרת קודם לכן.
שיקולים
ייתכן שיהיה צורך בצעדים נוספים כדי לייצר את זרימת העבודה שלך. הנה כמה שיקולים בהתאם לפרופיל הסיכון של הארגון שלך:
- הוספת גישה ורישום אפליקציות
- הוספת חומת אש של יישום אינטרנט (WAF)
- התאמת הרשאות IAM לביצוע הרשאות הקטנות ביותר
סיכום
בפוסט זה שיתפנו את החשיבות של יעילות תיוג ודיוק בבניית מערכי נתונים להערכת תנוחות. כדי לעזור בשני הפריטים, הראינו כיצד ניתן להשתמש ב- SageMaker Ground Truth כדי לבנות זרימות עבודה מותאמות אישית של תיוג לתמיכה במשימות תיוג של תנוחות מבוססות שלד, במטרה לשפר את היעילות והדיוק במהלך תהליך התיוג. הראינו כיצד ניתן להרחיב עוד יותר את הקוד והדוגמאות לדרישות שונות של תיוג הערכת תנוחות מותאמות אישית.
אנו ממליצים לך להשתמש בפתרון זה עבור משימות התיוג שלך וליצור קשר עם AWS לקבלת סיוע או פניות הקשורות לזרימות עבודה מותאמות אישית של תיוג.
על הכותבים
ארתור פוטנם הוא מדען נתונים מלא סטאק בשירותים מקצועיים של AWS. המומחיות של ארתור מתרכזת בפיתוח ושילוב של טכנולוגיות חזית וחלק אחורי במערכות AI. מחוץ לעבודה, ארתור נהנה לחקור את ההתקדמות האחרונה בטכנולוגיה, לבלות עם משפחתו וליהנות בחוץ.
בן פנקר הוא מדען נתונים בכיר בשירותים מקצועיים של AWS וסייע ללקוחות לבנות ולפרוס פתרונות ML בתעשיות החל מספורט, בריאות ועד ייצור. יש לו דוקטורט. בפיזיקה מאוניברסיטת Texas A&M ו-6 שנות ניסיון בתעשייה. בן נהנה מבייסבול, לקרוא ולגדל את ילדיו.
ג'רוויס לי הוא מדען נתונים בכיר עם שירותים מקצועיים של AWS. הוא עובד עם AWS למעלה משש שנים, ועובד עם לקוחות על למידת מכונה ובעיות ראייה ממוחשבת. מחוץ לעבודה הוא נהנה לרכוב על אופניים.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/skeleton-based-pose-annotation-labeling-using-amazon-sagemaker-ground-truth/
- :יש ל
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 1
- 10
- 100
- 13
- 15%
- 17
- 2D
- 31
- 320
- 7
- 8
- 9
- a
- יכולת
- יכול
- גישה
- נגיש
- חֶשְׁבּוֹן
- דיוק
- מדויק
- במדויק
- לרכוש
- רכישה
- לרוחב
- פעולה
- מעשים
- ממשי
- להוסיף
- נוסף
- בנוסף
- התאמה
- התאמות
- התקדמות
- לאחר
- AI
- מערכות AI
- מכוון
- תעשיות
- להתיר
- מאפשר
- גם
- אמזון בעברית
- אמזון SageMaker
- האמת של אמזון SageMaker
- אמזון שירותי אינטרנט
- an
- ו
- בעלי חיים
- אחר
- כל
- לְהוֹפִיעַ
- מופיע
- בקשה
- יישומים
- יישומית
- ארכיטקטורה
- ARE
- טענה
- טיעונים
- סביב
- מערך
- ארתור
- AS
- היבטים
- שהוקצה
- סיוע
- מניח
- At
- תכונות
- מוגבר
- מציאות מועשרת
- באופן אוטומטי
- זמין
- מְמוּצָע
- לְהִמָנַע
- AWS
- שירותים מקצועיים של AWS
- עורפי
- בייסבול
- מבוסס
- Baseline
- BE
- כי
- היה
- לפני
- להתחיל
- להיות
- בן
- בֵּין
- שניהם
- אריזה מקורית
- רחב
- דפדפן
- לִבנוֹת
- בִּניָן
- מובנה
- ניטל
- אבל
- by
- חישובים
- נקרא
- CAN
- בזהירות
- מקרה
- CD
- מרוכז
- שינוי
- שינויים
- משתנה
- חיובים
- לבדוק
- בחרו
- בכיתה
- מנקה
- קלי
- לקוחות
- קוד
- צֶבַע
- מגיע
- Common
- להשלים
- רְכִיב
- רכיבים
- מורכב
- המחשב
- ראייה ממוחשבת
- מחובר
- שיקולים
- עִקבִי
- מורכב
- קונסול
- להכיל
- מכיל
- הקשר
- בקרות
- מתכתב
- עלות
- לכסות
- לִיצוֹר
- נוצר
- יוצר
- יוצרים
- יצירה
- יוצר
- קריטי
- מעבר
- קהל
- מנהג
- שהותקן
- לקוחות
- התאמה אישית
- אישית
- נתונים
- עיבוד נתונים
- מדען נתונים
- מערכי נתונים
- datetime
- עמוק
- למידה עמוקה
- עמוק יותר
- לְהַגדִיר
- מוגדר
- מגדיר
- הגדרה
- להפגין
- תלוי
- תלוי
- תלוי
- לפרוס
- פרס
- לתאר
- תיאור
- מעוצב
- תכנון
- רצוי
- להרוס
- פרט
- פרטים
- איתור
- מתפתח
- תרשים
- אחר
- מֵמַד
- ממדים
- ישירות
- בספרייה
- הפצה
- צלילה
- שונה
- do
- לא
- עושה
- עשה
- לא
- הורדות
- לצייר
- נמשך
- ראוי
- בְּמַהֲלָך
- באופן דינמי
- כל אחד
- מוקדם יותר
- להקל
- בקלות
- יְעִילוּת
- יְעִילוּת
- לעודד
- לעסוק
- מנוע
- להגביר את
- נהניתי
- מבטיח
- בידור
- שלם
- סביבה
- שגיאה
- שגיאות
- אֲפִילוּ
- אירוע
- לִבחוֹן
- דוגמה
- דוגמאות
- לְהַרְחִיב
- צפוי
- ניסיון
- מומחיות
- להסביר
- היכרות
- להאריך
- נוסף
- תמציות
- מוכר
- להכיר
- משפחה
- מאפיין
- תכונות
- שדה
- שדות
- שלח
- קבצים
- סופי
- חומת אש
- ראשון
- גמישות
- להתמקד
- לעקוב
- הבא
- כדלקמן
- כף רגל
- בעד
- פוּרמָט
- מצא
- החל מ-
- פונקציה
- פונקציונלי
- פונקציות
- יסודי
- נוסף
- עתיד
- נוצר
- לקבל
- gif
- GitHub
- לתת
- Go
- קרקע
- הדרכה
- מטפל
- יש
- יש
- he
- בריאות
- בִּכְבֵדוּת
- לעזור
- עזר
- מועיל
- עוזר
- כאן
- HEX
- באיכות גבוהה
- שֶׁלוֹ
- המארח
- אירח
- אירוח
- איך
- איך
- HTML
- http
- HTTPS
- בן אנוש
- מאות
- ID
- מזוהה
- לזהות
- זיהוי
- זהות
- if
- תמונה
- תמונות
- חשיבות
- חשוב
- לשפר
- משופר
- in
- כולל
- התאגדה
- מדד
- תעשיות
- תעשייה
- לֹא יָעִיל
- מוּשׁפָע
- מידע
- מודיע
- יוזמות
- קלט
- פניות
- להתקין
- הוראות
- שילוב
- אינטרס
- מעוניין
- מִמְשָׁק
- אינטרנט
- אל תוך
- כרוך
- IT
- פריטים
- שֶׁלָה
- JavaScript
- עבודה
- מקומות תעסוקה
- jpg
- ג'סון
- מפתח
- זיהוי נקודות מפתח
- הילדים
- תווית
- תיוג
- תוויות
- שפה
- גָדוֹל
- לבסוף
- מאוחר יותר
- האחרון
- לשגר
- הושק
- השקה
- מוביל
- לִלמוֹד
- למידה
- הכי פחות
- מאפשר לי
- כמו
- קו
- קווים
- נוזל
- רשימה
- ממוקם
- מיקום
- היכנס
- מחובר
- נראה
- נראה כמו
- מכונה
- למידת מכונה
- עשוי
- לעשות
- לנהל
- מדריך ל
- ייצור
- רב
- סימן
- סימון
- מאי..
- אולי
- מדיה
- רפואי
- יישומים רפואיים
- מידע נוסף
- לצמצם
- טעויות
- ML
- מודל
- דוגמנות
- מודלים
- שינויים
- לשנות
- יותר
- רוב
- שם
- טבע
- הכרחי
- צורך
- נחוץ
- צרכי
- הבא
- לא
- הערות
- עַכשָׁיו
- אובייקט
- אובייקטים
- מושג
- להשיג
- of
- לעתים קרובות
- on
- פעם
- ONE
- באינטרנט
- רק
- לפתוח
- קוד פתוח
- נפתח
- or
- להזמין
- ארגונים
- מקור
- מְקוֹרִי
- OS
- אחר
- אחרים
- שלנו
- הַחוּצָה
- בחוץ
- תפוקה
- בחוץ
- יותר
- מקיף
- שֶׁלוֹ
- חבילות
- זוג
- זוגות
- חלק
- חלקים
- עבר
- נתיב
- אֲנָשִׁים
- ביצועים
- הרשאות
- פיסיקה
- מקום
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- נקודה
- נקודות
- מדיניות
- מְאוּכלָס
- כניסה
- פוזה
- הערכת תנוחה
- תנוחות
- עמדה
- הודעה
- פוטנציאל
- תרגול
- קודם
- דיוק
- תנאים מוקדמים
- מוצג
- מציג
- למנוע
- מונע
- קודם
- קוֹדֶם
- עקרון
- פְּרָטִי
- בעיות
- תהליך
- תהליכים
- תהליך
- לייצר
- מקצועי
- פּרוֹפִיל
- לספק
- ובלבד
- מספק
- ציבורי
- מטרה
- למטרות
- פיתון
- איכות
- מהירות
- העלאה
- רכס
- טִוּוּחַ
- חומר עיוני
- קריאה
- מוכן
- עולם אמיתי
- מציאות
- להכיר
- מוּמלָץ
- הפחתה
- להתייחס
- הפניה
- קָשׁוּר
- קרוב משפחה
- אָמִין
- להשאר
- להסיר
- שניתנו
- טיוח
- להחליף
- החליף
- מאגר
- מיוצג
- מייצג
- נדרש
- דרישות
- דורש
- משאבים
- תגובה
- אחראי
- הגבלות
- תוצאה
- תוצאות
- לַחֲזוֹר
- החזרות
- סקירה
- רכיבה
- מעטה
- הסיכון
- רובוטיקה
- חָסוֹן
- תפקיד
- הפעלה
- ריצה
- זמן ריצה
- בעל חכמים
- אותו
- לִטעוֹם
- חסכת
- לומר
- תרחישים
- מַדְעָן
- תסריט
- סקריפטים
- Sdk
- סעיף
- סעיפים
- אבטחה
- לִרְאוֹת
- בחר
- שולח
- לחצני מצוקה לפנסיונרים
- משמש
- שירותים
- סט
- הצבה
- כמה
- משותף
- צריך
- לְהַצִיג
- הראה
- הראה
- הופעות
- משמעותי
- דומה
- פָּשׁוּט
- פשטות
- פשוט
- בפשטות
- יחיד
- שישה
- So
- פִּתָרוֹן
- פתרונות
- כמה
- משהו
- מָקוֹר
- מיוחד
- ספציפי
- במיוחד
- הוצאה
- ספורט
- לערום
- התחלות
- צעדים
- אחסון
- חנות
- מאוחסן
- פשוט
- לייעל
- מחרוזת
- מִבְנֶה
- ניכר
- כזה
- תמיכה
- להחליף
- החלפות
- מערכת
- מערכות
- לקחת
- לוקח
- ממוקד
- המשימות
- משימות
- טכניקה
- טכנולוגיות
- טכנולוגיה
- תבנית
- עשרות
- טקסס
- זֶה
- השמיים
- המידע
- השורה
- שֶׁלָהֶם
- אותם
- אז
- בכך
- לכן
- אלה
- הֵם
- זֶה
- אלפים
- דרך
- קָשׁוּר
- זמן
- ל
- לקח
- כלי
- רכבת
- מְאוּמָן
- הדרכה
- מופעל
- משאית
- נָכוֹן
- אמת
- תור
- בדרך כלל
- ui
- להבין
- ייחודי
- אוניברסיטה
- עד
- עדכון
- נוֹהָג
- להשתמש
- מְשׁוּמָשׁ
- מועיל
- משתמש
- ממשק משתמש
- שימושים
- באמצעות
- בְּדֶרֶך כְּלַל
- ערך
- ערכים
- משתנה
- וריאציות
- שונים
- כלי רכב
- גרסה
- אנכי
- באמצעות
- וידאו
- חזון
- חזותי
- כֶּרֶך
- W
- ללכת
- הולך
- בהדרכה
- רוצה
- היה
- דֶרֶך..
- דרכים
- we
- אינטרנט
- אפליקציית רשת
- דפדפן אינטרנט
- שירותי אינטרנט
- טוֹב
- מה
- מתי
- ואילו
- אם
- אשר
- בזמן
- מי
- יצטרך
- רצון
- עם
- בתוך
- לְלֹא
- תיק עבודות
- עובד
- זרימת עבודה
- זרימות עבודה
- כוח עבודה
- עובד
- היה
- כתיבה
- X
- שנים
- אתה
- עצמך
- זפירנט