姿勢推定は、画像またはビデオ内のオブジェクト (人や車両など) 上の一連の点を検出するコンピューター ビジョン技術です。姿勢推定は、スポーツ、ロボット工学、セキュリティ、拡張現実、メディアとエンターテイメント、医療アプリケーションなどにおいて現実世界に応用されています。姿勢推定モデルは、リグによって定義された一貫した点 (座標) のセットで注釈が付けられた画像またはビデオでトレーニングされます。正確な姿勢推定モデルをトレーニングするには、まず注釈付き画像の大規模なデータセットを取得する必要があります。多くのデータセットには注釈付きの画像が数万、数十万あり、構築には多大なリソースが必要です。姿勢推定モデルのモデルのパフォーマンスはラベル付けされたデータの品質とデータ量に大きく影響されるため、ラベル付けの間違いを特定して防止することが重要です。
この投稿では、カスタム ラベル付けワークフローを使用する方法を示します。 Amazon SageMakerグラウンドトゥルース キーポイントのラベル付け用に特別に設計されています。このカスタム ワークフローは、ラベル付けプロセスを合理化し、ラベル付けエラーを最小限に抑えるのに役立ち、それによって高品質のポーズ ラベルを取得するコストを削減します。
高品質データの重要性とラベル付けエラーの削減
高品質のデータは、堅牢で信頼性の高い姿勢推定モデルをトレーニングするための基礎です。これらのモデルの精度は、各ポーズ キーポイントに割り当てられたラベルの正確さと精度に直接関係しており、これはアノテーション プロセスの有効性に依存します。さらに、十分な注釈が付けられた多様なデータを大量に保有することで、モデルが幅広いポーズ、バリエーション、シナリオを学習できるようになり、現実世界のさまざまなアプリケーションにわたる一般化とパフォーマンスの向上につながります。これらの大規模なアノテーション付きデータセットの取得には、姿勢情報を使用して画像に慎重にラベルを付ける人間のアノテーターが関与します。画像内の注目点にラベルを付ける場合、アノテーターに視覚的なガイドを提供するために、ラベルを付けるときにオブジェクトの骨格構造を確認すると便利です。これは、左右の入れ替えやラベルの誤り (足を肩としてマークするなど) などのラベル付けエラーをデータセットに組み込む前に特定するのに役立ちます。たとえば、次の例で行われた左右の入れ替えのようなラベル付けエラーは、スケルトン リグ ラインの交差と色の不一致によって簡単に識別できます。これらの視覚的な手がかりは、ラベル作成者が間違いを認識するのに役立ち、よりきれいなラベルのセットが得られます。
ラベリングは手動であるため、大規模で正確なラベル付きデータセットを取得するにはコストが膨大になる可能性があり、非効率的なラベリング システムではさらにコストがかかります。したがって、ラベル付けのワークフローを設計する際には、ラベル付けの効率と精度が非常に重要です。この投稿では、カスタム SageMaker Ground Truth ラベル付けワークフローを使用して画像に迅速かつ正確に注釈を付け、姿勢推定ワークフロー用の大規模なデータセットを開発する負担を軽減する方法を示します。
ソリューションの概要
このソリューションは、ラベリング担当者が Web ブラウザを使用してログインし、ラベリング ジョブにアクセスし、キーポイントとポーズのラベリング用に設計されたカスタム UI であるクラウド 2D スケルトン ユーザー インターフェイス (UI) を使用して画像に注釈を付けることができるオンライン Web ポータルを提供します。 SageMaker グラウンドトゥルース。ラベル付け担当者が作成した注釈またはラベルは、 Amazon シンプル ストレージ サービス (Amazon S3) バケットでは、深層学習コンピューター ビジョン モデルのトレーニングなどの下流プロセスに使用できます。このソリューションでは、Web ポータルを作成するために必要なコンポーネントを設定および展開する方法と、このラベル付けワークフロー用のラベル付けジョブを作成する方法を説明します。
以下は全体的なアーキテクチャの図です。
このアーキテクチャはいくつかの主要なコンポーネントで構成されており、それぞれについては次のセクションで詳しく説明します。このアーキテクチャは、SageMaker Ground Truth がホストするオンライン Web ポータルをラベル付け担当者に提供します。このポータルを使用すると、各ラベル付け担当者はログインしてラベル付けジョブを確認できます。ログイン後、ラベラーはラベル付けジョブを選択し、ホストされているカスタム UI を使用して画像への注釈付けを開始できます。 アマゾンCloudFrontの。 を使用しております AWSラムダ アノテーション前およびアノテーション後のデータ処理のための関数。
次のスクリーンショットは UI の例です。
ラベラーは、UI を使用して画像上の特定のキーポイントをマークできます。キーポイント間の線は、UI が使用するスケルトン リグ定義に基づいてユーザーのために自動的に描画されます。 UI では、次のような多くのカスタマイズが可能です。
- カスタムキーポイント名
- 設定可能なキーポイントの色
- 設定可能なリグラインカラー
- 構成可能なスケルトンとリグ構造
これらはそれぞれ、ラベル付けの容易さと柔軟性を向上させることを目的とした機能です。特定の UI カスタマイズの詳細については、 GitHubレポ この投稿の後半でまとめます。この投稿では人間の姿勢推定をベースライン タスクとして使用しますが、動物や乗り物などの他のオブジェクトに対しても、事前定義されたリグを使用してオブジェクトの姿勢のラベル付けに拡張できます。次の例では、これをボックス トラックのポイントにラベルを付けるためにどのように適用できるかを示します。
SageMaker グラウンド トゥルース
このソリューションでは、SageMaker Ground Truth を使用して、ラベル付け作業員にオンライン ポータルとラベル付けジョブを管理する方法を提供します。この投稿は、SageMaker Ground Truth に精通していることを前提としています。詳細については、以下を参照してください。 Amazon SageMakerグラウンドトゥルース.
CloudFront ディストリビューション
このソリューションの場合、ラベル付け UI には、crowd-2d-skeleton コンポーネントと呼ばれるカスタム構築された JavaScript コンポーネントが必要です。このコンポーネントは次の場所にあります。 GitHubの Amazon のオープンソース イニシアチブの一環として。 CloudFront ディストリビューションは、 群衆-2d-skeleton.jsこれは、SageMaker Ground Truth UI に必要です。 CloudFront ディストリビューションにはオリジン アクセス ID が割り当てられ、これにより CloudFront ディストリビューションが S2 バケット内に存在するクラウド 3d-skeleton.js にアクセスできるようになります。 S3 バケットはプライベートのままであり、バケットポリシーを通じてオリジンアクセス ID に課した制限により、このバケット内の他のオブジェクトは CloudFront ディストリビューション経由で利用できなくなります。これは、最小特権の原則に従うために推奨される方法です。
Amazon S3バケット
S3 バケットを使用して、SageMaker Ground Truth の入力および出力マニフェスト ファイル、カスタム UI テンプレート、ラベル付けジョブの画像、およびカスタム UI に必要な JavaScript コードを保存します。このバケットは非公開となり、一般公開されません。バケットには、CloudFront ディストリビューションが UI に必要な JavaScript コードのみにアクセスできるように制限するバケット ポリシーも含まれます。これにより、CloudFront ディストリビューションが S3 バケット内の他のオブジェクトをホストできなくなります。
事前アノテーション Lambda 関数
SageMaker Ground Truth ラベル付けジョブは通常、JSON Lines 形式の入力マニフェスト ファイルを使用します。この入力マニフェスト ファイルには、ラベル付けジョブのメタデータが含まれており、ラベル付けが必要なデータへの参照として機能し、アノテーターにデータを表示する方法を構成するのに役立ちます。事前アノテーション Lambda 関数は、マニフェスト データがカスタム UI テンプレートに入力される前に、入力マニフェスト ファイルの項目を処理します。ここで、UI でアノテーターにデータを提示する前に、項目の書式設定や特別な変更を行うことができます。事前アノテーション Lambda 関数の詳細については、を参照してください。 事前アノテーションラムダ.
アノテーション後の Lambda 関数
プレアノテーション Lambda 関数と同様に、ポストアノテーション関数は、すべてのラベラーがラベル付けを完了した後、最終的なアノテーション出力結果を書き込む前に実行する必要がある追加のデータ処理を処理します。この処理は、ラベル付けジョブの出力結果のデータのフォーマットを担当する Lambda 関数によって実行されます。このソリューションでは、単にこれを使用して、目的の出力形式でデータを返しています。アノテーション後の Lambda 関数の詳細については、を参照してください。 アノテーション後のラムダ.
アノテーション後の Lambda 関数の役割
私たちは使用します AWS IDおよびアクセス管理 アノテーション後の Lambda 関数に S3 バケットへのアクセスを与える (IAM) ロール。これは、最終結果を出力マニフェスト ファイルに書き出す前に、アノテーション結果を読み取り、変更を加えるために必要です。
SageMaker Ground Truth の役割
この IAM ロールを使用して、SageMaker Ground Truth ラベル付けジョブに Lambda 関数を呼び出し、S3 バケット内の画像、マニフェスト ファイル、カスタム UI テンプレートを読み取る機能を与えます。
前提条件
このチュートリアルでは、次の前提条件を満たしている必要があります。
このソリューションでは、AWS CDK を使用してアーキテクチャをデプロイします。次に、サンプルのラベル付けジョブを作成し、アノテーション ポータルを使用してラベル付けジョブ内の画像にラベルを付け、ラベル付けの結果を調べます。
AWS CDK スタックを作成する
すべての前提条件を満たしたら、ソリューションを展開する準備が整います。
リソースをセットアップする
リソースを設定するには、次の手順を実行します。
- サンプルスタックを次からダウンロードします。 GitHubレポ.
- cd コマンドを使用してリポジトリに変更します。
- Python 環境を作成し、必要なパッケージをインストールします (詳細については、リポジトリの README.md を参照してください)。
- Python 環境をアクティブ化した状態で、次のコマンドを実行します。
- 次のコマンドを実行して、AWS CDK をデプロイします。
- 次のコマンドを実行して、展開後のスクリプトを実行します。
ラベリングジョブを作成する
リソースを設定したら、ラベル付けジョブを作成する準備が整います。この投稿では、リポジトリで提供されているサンプル スクリプトとイメージを使用してラベル付けジョブを作成します。
- CD を
scripts
リポジトリ内のディレクトリ。 - 次のコードを実行して、サンプル イメージをインターネットからダウンロードします。
このスクリプトは、ラベル付けジョブの例で使用する 10 個の画像のセットをダウンロードします。この投稿の後半では、独自のカスタム入力データの使用方法を確認します。
- 次のコードを実行して、ラベル付けジョブを作成します。
このスクリプトは、SageMaker Ground Truth のプライベート ワークフォース ARN を引数として受け取ります。これは、このアーキテクチャをデプロイしたのと同じアカウント内のワークフォースの ARN である必要があります。このスクリプトは、ラベル付けジョブの入力マニフェスト ファイルを作成し、Amazon S3 にアップロードして、SageMaker Ground Truth カスタム ラベル付けジョブを作成します。このスクリプトの詳細については、この投稿の後半でさらに詳しく説明します。
データセットにラベルを付ける
サンプルのラベル付けジョブを起動すると、SageMaker コンソールと従業員ポータルに表示されます。
Workforce Portal で、ラベル付けジョブを選択し、 作業を開始する.
サンプル データセットの画像が表示されます。この時点で、カスタムのcrowd-2d-skeleton UIを使用して画像に注釈を付けることができます。以下を参照すると、crowd-2d-skeleton UI に慣れることができます。 ユーザー インターフェイスの概要。リグ定義を使用します。 COCO キーポイント検出データセットの課題 人間のポーズリグとして。繰り返しになりますが、カスタム UI コンポーネントを使用せずにこれをカスタマイズし、要件に基づいてポイントを削除または追加できます。
画像への注釈付けが完了したら、 送信。すべての画像にラベルが付けられるまで、データセット内の次の画像に移動します。
ラベル付け結果にアクセスする
ラベル付けジョブですべての画像にラベル付けを完了すると、SageMaker Ground Truth はポストアノテーション Lambda 関数を呼び出し、すべてのアノテーションを含む output.manifest ファイルを生成します。これ output.manifest
S3バケットに保存されます。この例では、出力マニフェストの場所は S3 URI パスに従う必要があります。 s3://<bucket name> /labeling_jobs/output/<labeling job name>/manifests/output/output.manifest
。 Output.manifest ファイルは JSON Lines ファイルで、各行は 1 つの画像とラベル付け担当者からのその注釈に対応します。各 JSON Lines アイテムは、多くのフィールドを持つ JSON オブジェクトです。私たちが興味を持っているフィールドは次のように呼ばれます label-results
。このフィールドの値は、次のフィールドを含むオブジェクトです。
- データセット_オブジェクト_id – 入力マニフェスト項目の ID またはインデックス
- data_object_s3_uri – 画像の Amazon S3 URI
- 画像ファイル名 – 画像のファイル名
- image_s3_location – 画像の Amazon S3 URL
- オリジナルの注釈 – 元の注釈 (事前注釈ワークフローを使用している場合にのみ設定および使用されます)
- updated_annotations – 画像の注釈
- ワーカーID – 注釈を作成した従業員
- 変更は必要ありません – 「変更は必要ありません」チェックボックスがオンになっているかどうか
- 変更されました – アノテーションデータが元の入力データと異なるかどうか
- total_time_in_秒 – 従業員が画像に注釈を付けるのにかかった時間
これらのフィールドを使用すると、各画像のアノテーション結果にアクセスし、画像にラベルを付ける平均時間などの計算を行うことができます。
独自のラベル付けジョブを作成する
ラベル付けジョブの例を作成し、プロセス全体を理解したところで、マニフェスト ファイルの作成とラベル付けジョブの起動を担当するコードについて説明します。独自のラベル付けジョブを開始するために変更する可能性があるスクリプトの重要な部分に焦点を当てます。
コードのスニペットを取り上げます。 create_example_labeling_job.py
にあるスクリプト GitHubリポジトリ。スクリプトは、スクリプトの後半で使用される変数を設定することから始まります。一部の変数は簡素化のためにハードコードされていますが、その他の変数はスタックに依存しており、AWS CDK スタックから作成された値をフェッチすることによって実行時に動的にインポートされます。
このスクリプトの最初の重要なセクションは、マニフェスト ファイルの作成です。マニフェスト ファイルは、SageMaker Ground Truth ラベル付けジョブの詳細を含む JSON 行ファイルであることを思い出してください。各 JSON Lines オブジェクトは、ラベルを付ける必要がある 1 つの項目 (画像など) を表します。このワークフローの場合、オブジェクトには次のフィールドが含まれている必要があります。
- ソース参照 – ラベルを付けるイメージへの Amazon S3 URI。
- アノテーション – 注釈オブジェクトのリスト。ワークフローの事前注釈付けに使用されます。を参照してください。 クラウド 2D スケルトンのドキュメント 期待値の詳細については、を参照してください。
スクリプトは、コードの次のセクションを使用して、イメージ ディレクトリ内の各イメージのマニフェスト行を作成します。
別のイメージを使用する場合、または別のイメージ ディレクトリを指定する場合は、コードのそのセクションを変更できます。さらに、事前注釈ワークフローを使用している場合は、配列とそのすべての注釈オブジェクトで構成される JSON 文字列を使用して注釈配列を更新できます。この配列の形式の詳細については、次の文書に記載されています。 クラウド 2D スケルトンのドキュメント.
マニフェスト項目が作成されたので、マニフェスト ファイルを作成して、前に作成した S3 バケットにアップロードできます。
ラベルを付ける画像を含むマニフェスト ファイルを作成したので、ラベル付けジョブを作成できます。を使用して、プログラムでラベル付けジョブを作成できます。 AWS SDK for Python(Boto3)。ラベル付けジョブを作成するコードは次のとおりです。
このコードの変更が必要な点は次のとおりです。 LabelingJobName
, TaskTitle
, TaskDescription
を選択します。 LabelingJobName
SageMaker がジョブを参照するために使用するラベル付けジョブの一意の名前です。これは、SageMaker コンソールに表示される名前でもあります。 TaskTitle
も同様の目的を果たしますが、一意である必要はなく、従業員ポータルに表示されるジョブの名前になります。これらを、ラベル付けの対象またはラベル付けジョブの目的に合わせてより具体的にすることができます。最後に、 TaskDescription
分野。このフィールドは従業員ポータルに表示され、タスクの指示やガイダンスなど、タスクの内容に関する追加のコンテキストをラベル作成者に提供します。これらのフィールドおよび他のフィールドの詳細については、「 create_labeling_job ドキュメント.
UIを調整する
このセクションでは、UI をカスタマイズする方法をいくつか説明します。以下は、モデリング タスクに合わせて UI を調整するための、最も一般的な潜在的なカスタマイズのリストです。
- どのキーポイントにラベルを付けることができるかを定義できます。これには、キーポイントの名前とその色が含まれます。
- スケルトンの構造 (どのキーポイントが接続されているか) を変更できます。
- 特定のキーポイント間の特定の線の線の色を変更できます。
これらの UI カスタマイズはすべて、crowd-2d-skeleton コンポーネントに渡される引数を通じて構成できます。このコンポーネントは、この中で使用される JavaScript コンポーネントです。 カスタムワークフローテンプレート。このテンプレートでは、crowd-2d-skeleton コンポーネントの使用方法がわかります。簡略化したバージョンを次のコードに示します。
前述のコード例では、コンポーネントの次の属性を確認できます。 imgSrc
, keypointClasses
, skeletonRig
, skeletonBoundingBox
, intialValues
。次のセクションで各属性の目的について説明しますが、UI のカスタマイズは、これらの属性の値を変更し、テンプレートを保存して、 post_deployment_script.py
以前に使用しました。
imgSrc 属性
imgSrc
属性は、ラベル付け時に UI に表示する画像を制御します。通常、マニフェスト項目ごとに異なる画像が使用されるため、この属性は組み込みのメソッドを使用して動的に設定されることがよくあります。 液体 テンプレート言語。前のコード例では、属性値が次のように設定されていることがわかります。 {{ task.input.image_s3_uri | grant_read_access }}
、実際の変数に置き換えられる Liquid テンプレート変数です。 image_s3_uri
テンプレートがレンダリングされるときの値。レンダリング プロセスは、ユーザーが注釈を付けるために画像を開いたときに開始されます。このプロセスは、入力マニフェスト ファイルから行項目を取得し、それを事前アノテーション Lambda 関数に event.dataObject
。事前アノテーション関数は、ラインアイテムから必要な情報を取得し、 taskInput
辞書はその後、Liquid レンダリング エンジンに渡され、テンプレート内のすべての Liquid 変数が置き換えられます。たとえば、次の行を含むマニフェスト ファイルがあるとします。
このデータは事前アノテーション関数に渡されます。次のコードは、関数がイベント オブジェクトから値を抽出する方法を示しています。
この場合、関数から返されるオブジェクトは次のコードのようになります。
関数から返されたデータは、Liquid テンプレート エンジンで利用できるようになり、テンプレート内のテンプレート値が関数から返されたデータ値に置き換えられます。結果は次のコードのようになります。
keypointClasses 属性
keypointClasses
属性は、どのキーポイントが UI に表示され、アノテーターによって使用されるかを定義します。この属性は、オブジェクトのリストを含む JSON 文字列を受け取ります。各オブジェクトはキーポイントを表します。各キーポイント オブジェクトには次のフィールドが含まれている必要があります。
- id – そのキーポイントを識別するための一意の値。
- カラー – HTML 16 進数の色として表されるキーポイントの色。
- ラベル – 名前またはキーポイント クラス。
- x – このオプションの属性は、UI でスケルトンの描画機能を使用する場合にのみ必要です。この属性の値は、スケルトンの境界ボックスを基準としたキーポイントの x 位置です。この値は通常、次の方法で取得されます。 スケルトン リグ クリエーター ツール。キーポイントの注釈を実行していて、スケルトン全体を一度に描画する必要がない場合は、この値を 0 に設定できます。
- y – このオプションの属性は x に似ていますが、垂直方向の属性です。
詳細については、 keypointClasses
属性については、を参照してください。 keypointClasses ドキュメント.
スケルトンリグ属性
skeletonRig
属性は、どのキーポイントの間に線を描画するかを制御します。この属性は、キーポイント ラベル ペアのリストを含む JSON 文字列を受け取ります。各ペアは、どのキーポイント間に線を引くかを UI に通知します。例えば、 '[["left_ankle","left_knee"],["left_knee","left_hip"]]'
間に線を引くように UI に通知します。 "left_ankle"
および "left_knee"
間に線を引きます "left_knee"
および "left_hip"
。これは次の方法で生成できます。 スケルトン リグ クリエーター ツール.
スケルトンBoundingBox 属性
skeletonBoundingBox
属性はオプションであり、UI でスケルトンの描画機能を使用する場合にのみ必要です。スケルトンの描画機能は、単一の注釈アクションでスケルトン全体に注釈を付ける機能です。この記事ではこの機能については説明しません。この属性の値は、スケルトンの境界ボックスの寸法です。この値は通常、次の方法で取得されます。 スケルトン リグ クリエーター ツール。キーポイントの注釈を実行していて、スケルトン全体を一度に描画する必要がない場合は、この値を null に設定できます。この値を取得するには、Skeleton Rig Creator ツールを使用することをお勧めします。
初期値属性
initialValues
属性は、別のプロセス (別のラベル付けジョブや機械学習モデルなど) から取得した注釈を UI に事前設定するために使用されます。これは、調整やレビュー作業を行うときに役立ちます。このフィールドのデータは通常、同じ説明に動的に入力されます。 imgSrc
属性。詳細については、 クラウド 2D スケルトンのドキュメント.
クリーンアップ
今後の料金の発生を避けるには、S3 バケット内のオブジェクトを削除し、AWS CDK スタックを削除する必要があります。 S3 オブジェクトは、Amazon SageMaker コンソールまたは AWSコマンドラインインターフェイス (AWS CLI)。バケット内のすべての S3 オブジェクトを削除した後、次のコードを実行して AWS CDK を破棄できます。
これにより、以前に作成したリソースが削除されます。
考慮事項
ワークフローを実稼働化するには、追加の手順が必要になる場合があります。組織のリスク プロファイルに応じて、いくつかの考慮事項を次に示します。
- アクセスとアプリケーションログの追加
- Web アプリケーション ファイアウォール (WAF) の追加
- 最小権限に従うように IAM 権限を調整する
まとめ
この投稿では、姿勢推定データセットを構築する際のラベル付けの効率と精度の重要性について共有しました。両方の項目を支援するために、ラベル付けプロセス中の効率と精度を向上させることを目的として、SageMaker Ground Truth を使用してスケルトンベースのポーズのラベル付けタスクをサポートするカスタムのラベル付けワークフローを構築する方法を示しました。コードと例をさまざまなカスタム姿勢推定ラベル付け要件にさらに拡張する方法を示しました。
このソリューションをラベル付けタスクに使用し、カスタムラベル付けワークフローに関するサポートや問い合わせについては AWS と連携することをお勧めします。
著者について
アーサー・パットナム は、AWS プロフェッショナル サービスのフルスタック データ サイエンティストです。 Arthur の専門知識は、フロントエンドおよびバックエンド テクノロジーの開発と AI システムへの統合を中心としています。仕事以外では、アーサーはテクノロジーの最新の進歩を探索したり、家族と時間を過ごしたり、アウトドアを楽しんだりすることを楽しんでいます。
ベン・フェンカー は、AWS プロフェッショナル サービスのシニア データ サイエンティストであり、スポーツからヘルスケア、製造に至るまで、さまざまな業界で顧客が ML ソリューションを構築およびデプロイするのを支援してきました。 彼は博士号を持っています。 テキサス A&M 大学で物理学の学士号を取得し、6 年間の業界経験があります。 ベンは野球、読書、子育てを楽しんでいます。
ジャービス・リー は、AWS プロフェッショナル サービスのシニア データ サイエンティストです。彼は 6 年以上 AWS に勤務し、顧客と協力して機械学習とコンピューター ビジョンの問題に取り組んでいます。仕事以外では、自転車に乗ることを楽しんでいます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/skeleton-based-pose-annotation-labeling-using-amazon-sagemaker-ground-truth/
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 10
- 100
- 13
- 視聴者の38%が
- 17
- 2D
- 31
- 320
- 7
- 8
- 9
- a
- 能力
- できる
- アクセス
- アクセス可能な
- 精度
- 正確な
- 正確にデジタル化
- 取得する
- 買収
- 越えて
- Action
- 使徒行伝
- 実際の
- 加えます
- NEW
- さらに
- 調整
- 調整
- 進歩
- 後
- AI
- AIシステム
- 目指す
- すべて
- 許す
- ことができます
- また
- Amazon
- アマゾンセージメーカー
- Amazon SageMakerグラウンドトゥルース
- Amazon Webサービス
- an
- および
- 動物
- 別の
- どれか
- 現れる
- 登場する
- 申し込み
- 適用された
- 建築
- です
- 引数
- 引数
- 周りに
- 配列
- アーサー
- AS
- 側面
- 割り当てられた
- 援助
- と仮定する
- At
- 属性
- 増強された
- 拡張現実
- 自動的に
- 利用できます
- 平均
- 避ける
- AWS
- AWSプロフェッショナルサービス
- バックエンド
- 野球
- ベース
- ベースライン
- BE
- なぜなら
- き
- 始まる
- さ
- よく
- の間に
- 両言語で
- ボックス
- 広い
- ブラウザ
- ビルド
- 建物
- 内蔵
- 負担
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- 計算
- 呼ばれます
- 缶
- 慎重に
- 場合
- CD
- 中心の
- 変化する
- 変更
- 変化
- 課金
- チェック
- 選択する
- class
- クリーナー
- クリ
- クライアント
- コード
- カラー
- comes
- コマンドと
- コンプリート
- コンポーネント
- コンポーネント
- 構成
- コンピュータ
- Computer Vision
- 交流
- 検討事項
- 整合性のある
- からなる
- 領事
- 含む
- 含まれています
- コンテキスト
- controls
- 対応する
- 費用
- カバー
- 作ります
- 作成した
- 作成します。
- 作成
- 創造
- クリエイター
- 重大な
- 横断
- 群衆
- カスタム
- 特注の
- Customers
- カスタム化
- カスタマイズ
- データ
- データ処理
- データサイエンティスト
- データセット
- 日付時刻
- 深いです
- 深い学習
- より深い
- 定義します
- 定義済みの
- 定義する
- 定義
- 実証します
- 依存
- によっては
- 依存
- 展開します
- 展開
- 説明する
- 説明
- 設計
- 設計
- 希望
- 破壊する
- 詳細
- 細部
- 検出
- 開発
- ダイアグラム
- 異なります
- 次元
- 大きさ
- 直接に
- ディレクトリにジョブを開始します。
- ディストリビューション
- ダイビング
- 異なる
- do
- そうではありません
- すること
- 行われ
- ドント
- ダウンロード
- ドロー
- 描かれた
- 原因
- 間に
- 動的に
- 各
- 前
- 緩和する
- 簡単に
- 有効
- 効率
- 奨励する
- 従事する
- エンジン
- 高めます
- 楽しみ
- 確実に
- エンターテインメント
- 全体
- 環境
- エラー
- エラー
- さらに
- イベント
- 調べる
- 例
- 例
- 詳細
- 予想される
- 体験
- 専門知識
- 説明する
- 探る
- 伸ばす
- 余分な
- 抽出物
- おなじみの
- 慣れる
- 家族
- 特徴
- 特徴
- フィールド
- フィールズ
- File
- ファイナル
- もう完成させ、ワークスペースに掲示しましたか?
- ファイアウォール
- 名
- 柔軟性
- フォーカス
- フォロー中
- 次
- 足
- 形式でアーカイブしたプロジェクトを保存します.
- 発見
- から
- function
- 機能性
- 機能
- 基本的な
- さらに
- 未来
- 生成された
- 取得する
- GIF
- GitHubの
- 与える
- Go
- 陸上
- ガイダンス
- ハンドル
- 持ってる
- 持って
- he
- ヘルスケア
- 重く
- 助けます
- 助けました
- 役立つ
- ことができます
- こちら
- HEX
- 高品質
- 彼の
- host
- 主催
- ホスティング
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- 人間
- 何百
- ID
- 特定され
- 識別する
- 識別
- アイデンティティ
- if
- 画像
- 画像
- 重要性
- 重要
- 改善します
- 改善されました
- in
- 含ま
- Incorporated
- index
- 産業
- 産業を変えます
- 非効率的な
- 影響を受け
- 情報
- インフォーム
- イニシアチブ
- お問い合わせ
- install
- 説明書
- 統合
- 関心
- 興味がある
- インタフェース
- インターネット
- に
- 関与
- IT
- リーディングシート
- ITS
- JavaScriptを
- ジョブ
- Jobs > Create New Job
- JPG
- JSON
- キー
- キーポイント検出
- 子供たち
- ラベル
- ラベリング
- ラベル
- 言語
- 大
- 最後に
- 後で
- 最新の
- 起動する
- 打ち上げ
- 発射
- 主要な
- LEARN
- 学習
- 最低
- ことができます
- ような
- LINE
- ライン
- 液体
- リスト
- 位置して
- 場所
- ログ
- ログインして
- 見て
- のように見える
- 機械
- 機械学習
- 製
- make
- 管理します
- マニュアル
- 製造業
- 多くの
- マーク
- マーキング
- 五月..
- 多分
- メディア
- 医療の
- 医療応用
- 最小限に抑えます
- ミス
- ML
- モデリング
- モデル
- 修正
- 修正する
- 他には?
- 最も
- 名
- 自然
- 必要
- 必要
- 必要とされる
- ニーズ
- 次の
- いいえ
- 注意
- 今
- オブジェクト
- オブジェクト
- 得
- 入手
- of
- 頻繁に
- on
- かつて
- ONE
- オンライン
- の
- 開いた
- オープンソース
- 開きます
- or
- 注文
- 組織
- 起源
- オリジナル
- OS
- その他
- その他
- 私たちの
- でる
- 屋外で
- 出力
- 外側
- が
- 全体
- 自分の
- パッケージ
- ペア
- 足
- 部
- 部品
- 渡された
- path
- のワークプ
- パフォーマンス
- パーミッション
- 物理学
- 場所
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポイント
- ポイント
- 方針
- 人口
- ポータル
- ポーズ
- ポーズ推定
- ポーズ
- 位置
- ポスト
- 潜在的な
- 練習
- 先行
- 精度
- 前提条件
- PLM platform.
- 提示
- 防ぐ
- を防止
- 前
- 前に
- 原則
- プライベート
- 問題
- プロセス
- ラボレーション
- 処理
- 作り出す
- プロ
- プロフィール
- 提供します
- 提供
- は、大阪で
- 公共
- 目的
- 目的
- Python
- 品質
- すぐに
- 調達
- 範囲
- 測距
- 読む
- リーディング
- 準備
- 現実の世界
- 現実
- 認識する
- 推奨される
- 縮小
- 参照する
- 参照
- 関連する
- 相対
- 信頼性のある
- 残る
- 削除します
- レンダリングされた
- レンダリング
- replace
- 置き換え
- 倉庫
- で表さ
- 表し
- の提出が必要です
- 要件
- 必要
- リソース
- 応答
- 責任
- 制限
- 結果
- 結果
- return
- 収益
- レビュー
- ライディング
- リグ
- リスク
- ロボット工学
- 堅牢な
- 職種
- ラン
- ランニング
- ランタイム
- セージメーカー
- 同じ
- サンプル
- 節約
- 言う
- シナリオ
- 科学者
- スクリプト
- スクリプト
- SDDK
- セクション
- セクション
- セキュリティ
- select
- 送る
- シニア
- 仕える
- サービス
- セッションに
- 設定
- いくつかの
- shared
- すべき
- 表示する
- 示されました
- 示す
- 作品
- 重要
- 同様の
- 簡単な拡張で
- 単純
- 簡略化されました
- 単に
- SIX
- So
- 溶液
- ソリューション
- 一部
- 何か
- ソース
- 特別
- 特定の
- 特に
- 支出
- スポーツ
- スタック
- 開始
- ステップ
- ストレージ利用料
- 店舗
- 保存され
- 簡単な
- 流線
- 文字列
- 構造
- かなりの
- そのような
- サポート
- swap
- スワップ
- システム
- 取る
- 取り
- 対象となります
- 仕事
- タスク
- 技術
- テクノロジー
- テクノロジー
- template
- 十
- テキサス州
- それ
- 情報
- この線
- アプリ環境に合わせて
- それら
- その後
- それによって
- したがって、
- ボーマン
- 彼ら
- この
- 数千
- 介して
- タイド
- 時間
- 〜へ
- 取った
- ツール
- トレーニング
- 訓練された
- トレーニング
- トリガ
- トラック
- true
- 真実
- 順番
- 一般的に
- ui
- わかる
- ユニーク
- 大学
- まで
- アップデイト
- 使用法
- つかいます
- 中古
- 便利
- ユーザー
- ユーザーインターフェース
- 使用されます
- 通常
- 値
- 価値観
- 変数
- バリエーション
- さまざまな
- 車
- バージョン
- 垂直
- 、
- 動画
- ビジョン
- ビジュアル
- ボリューム
- W
- 歩く
- walks
- ウォークスルー
- 欲しいです
- ました
- 仕方..
- 方法
- we
- ウェブ
- ウェブアプリケーション
- ウェブブラウザ
- Webサービス
- WELL
- この試験は
- いつ
- 一方
- かどうか
- which
- while
- 誰
- 意志
- 希望
- 以内
- 無し
- 仕事
- ワーカー
- ワークフロー
- ワークフロー
- 労働人口
- ワーキング
- でしょう
- 書き込み
- X
- 年
- You
- あなたの
- あなた自身
- ゼファーネット