Оценка позы — это метод компьютерного зрения, который обнаруживает набор точек на объектах (например, людях или транспортных средствах) на изображениях или видео. Оценка позы имеет реальные применения в спорте, робототехнике, безопасности, дополненной реальности, средствах массовой информации и развлечениях, медицинских приложениях и многом другом. Модели оценки позы обучаются на изображениях или видео, которые помечены согласованным набором точек (координат), определенных буровой установкой. Чтобы обучить точные модели оценки позы, сначала необходимо получить большой набор данных аннотированных изображений; многие наборы данных содержат десятки или сотни тысяч аннотированных изображений, и для их создания требуются значительные ресурсы. Ошибки маркировки важно выявлять и предотвращать, поскольку на производительность моделей оценки позы сильно влияют качество и объем маркированных данных.
В этом посте мы покажем, как можно использовать собственный рабочий процесс маркировки в Amazon SageMaker - основа правды специально разработан для маркировки ключевых точек. Этот настраиваемый рабочий процесс помогает упростить процесс маркировки и свести к минимуму ошибки маркировки, тем самым снижая затраты на получение высококачественных меток поз.
Важность высококачественных данных и сокращение ошибок при маркировке
Высококачественные данные имеют основополагающее значение для обучения надежных и надежных моделей оценки позы. Точность этих моделей напрямую связана с правильностью и точностью меток, присвоенных каждой ключевой точке позы, что, в свою очередь, зависит от эффективности процесса аннотации. Кроме того, наличие значительного объема разнообразных и хорошо аннотированных данных гарантирует, что модель сможет изучить широкий спектр поз, вариантов и сценариев, что приводит к улучшению обобщения и производительности в различных реальных приложениях. В сборе этих больших аннотированных наборов данных участвуют люди-аннотаторы, которые тщательно маркируют изображения информацией о позе. При маркировке точек интереса на изображении полезно видеть скелетную структуру объекта во время маркировки, чтобы обеспечить визуальное руководство аннотатору. Это полезно для выявления ошибок в маркировке до того, как они будут включены в набор данных, например, замена левого на правое или неправильная маркировка (например, маркировка стопы как плеча). Например, ошибку маркировки, такую как замена левого и правого места, сделанная в следующем примере, можно легко определить по пересечению линий оснастки скелета и несоответствию цветов. Эти визуальные подсказки помогают изготовителям этикеток распознавать ошибки и позволяют сделать набор этикеток более чистым.
Из-за ручного характера маркировки получение больших и точных наборов маркированных данных может оказаться непомерно дорогостоящим, особенно при неэффективной системе маркировки. Поэтому эффективность и точность маркировки имеют решающее значение при разработке рабочего процесса маркировки. В этом посте мы демонстрируем, как использовать специальный рабочий процесс маркировки SageMaker Ground Truth для быстрого и точного аннотирования изображений, уменьшая нагрузку на разработку больших наборов данных для рабочих процессов оценки позы.
Обзор решения
Это решение предоставляет онлайн-веб-портал, на котором сотрудники, занимающиеся маркировкой, могут использовать веб-браузер для входа в систему, доступа к заданиям по маркировке и аннотирования изображений с помощью пользовательского интерфейса (UI) Crowd-2D-skeleton, специального пользовательского интерфейса, разработанного для маркировки ключевых точек и поз с помощью SageMaker Основа истины. Аннотации или метки, созданные специалистами по маркировке, затем экспортируются в файл. Простой сервис хранения Amazon (Amazon S3), где их можно использовать для последующих процессов, таких как обучение моделей компьютерного зрения с глубоким обучением. В этом решении рассказывается, как настроить и развернуть необходимые компоненты для создания веб-портала, а также как создавать задания по маркировке для этого рабочего процесса маркировки.
Ниже представлена схема общей архитектуры.
Эта архитектура состоит из нескольких ключевых компонентов, каждый из которых мы объясним более подробно в следующих разделах. Эта архитектура предоставляет специалистам по маркировке онлайн-портал, размещенный на платформе SageMaker Ground Truth. Этот портал позволяет каждому изготовителю этикеток войти в систему и просмотреть свои задания по маркировке. После входа в систему изготовитель этикеток может выбрать задание по маркировке и начать аннотировать изображения с помощью специального пользовательского интерфейса, размещенного на сервере. Amazon CloudFront, Мы используем AWS Lambda функции для обработки данных до и после аннотации.
На следующем снимке экрана показан пример пользовательского интерфейса.
Разработчик этикеток может отмечать определенные ключевые точки на изображении с помощью пользовательского интерфейса. Линии между ключевыми точками будут автоматически рисоваться для пользователя на основе определения скелетной оснастки, используемого пользовательским интерфейсом. Пользовательский интерфейс допускает множество настроек, например следующие:
- Пользовательские имена ключевых точек
- Настраиваемые цвета ключевых точек
- Настраиваемые цвета линий буровой установки
- Настраиваемые конструкции скелета и буровой установки
Каждая из этих функций предназначена для повышения простоты и гибкости маркировки. Конкретные сведения о настройке пользовательского интерфейса можно найти в Репо GitHub и обобщены далее в этом посте. Обратите внимание, что в этом посте мы используем оценку позы человека в качестве базовой задачи, но вы можете расширить ее, добавив маркировку позы объекта с помощью заранее определенной оснастки и для других объектов, таких как животные или транспортные средства. В следующем примере мы покажем, как это можно применить для маркировки точек автофургона.
Наземная правда SageMaker
В этом решении мы используем SageMaker Ground Truth, чтобы предоставить специалистам по маркировке онлайн-портал и возможность управлять заданиями по маркировке. В этом посте предполагается, что вы знакомы с SageMaker Ground Truth. Для получения дополнительной информации см. Amazon SageMaker - основа правды.
Распределение CloudFront
Для этого решения пользовательскому интерфейсу маркировки требуется специально созданный компонент JavaScript, называемый компонентом Crowd-2d-skeleton. Этот компонент можно найти на GitHub в рамках инициатив Amazon по открытому исходному коду. Дистрибутив CloudFront будет использоваться для размещения толпа-2d-skeleton.js, который необходим пользовательскому интерфейсу SageMaker Ground Truth. Дистрибутиву CloudFront будет присвоен идентификатор доступа источника, который позволит дистрибутиву CloudFront получить доступ к файлу Crowd-2d-skeleton.js, находящемуся в корзине S3. Корзина S3 останется частной, и никакие другие объекты в этой корзине не будут доступны через дистрибутив CloudFront из-за ограничений, которые мы налагаем на исходный идентификатор доступа с помощью политики корзины. Это рекомендуемая практика для соблюдения принципа наименьших привилегий.
Amazon S3 ведро
Мы используем корзину S3 для хранения входных и выходных файлов манифеста SageMaker Ground Truth, пользовательского шаблона пользовательского интерфейса, изображений для заданий по маркировке и кода JavaScript, необходимого для пользовательского пользовательского интерфейса. Этот сегмент будет частным и недоступным для общественности. В сегменте также будет действовать политика сегмента, которая ограничивает дистрибутив CloudFront доступом только к коду JavaScript, необходимому для пользовательского интерфейса. Это предотвращает размещение в дистрибутиве CloudFront каких-либо других объектов в корзине S3.
Лямбда-функция перед аннотацией
В заданиях по маркировке SageMaker Ground Truth обычно используется входной файл манифеста в формате JSON Lines. Этот входной файл манифеста содержит метаданные для задания по маркировке, действует как ссылка на данные, которые необходимо пометить, и помогает настроить способ представления данных аннотаторам. Функция Lambda перед аннотацией обрабатывает элементы из входного файла манифеста перед тем, как данные манифеста будут введены в пользовательский шаблон пользовательского интерфейса. Здесь можно выполнить любое форматирование или специальные изменения элементов перед представлением данных аннотаторам в пользовательском интерфейсе. Дополнительную информацию о лямбда-функциях перед аннотациями см. Предварительная аннотация Лямбда.
Лямбда-функция после аннотации
Подобно функции Lambda перед аннотацией, функция пост-аннотации выполняет дополнительную обработку данных, которую вы, возможно, захотите выполнить после того, как все устройства для маркировки завершат маркировку, но перед записью окончательных результатов вывода аннотации. Эта обработка выполняется функцией Lambda, которая отвечает за форматирование данных для выходных результатов задания по маркировке. В этом решении мы просто используем его для возврата данных в желаемом выходном формате. Дополнительную информацию о лямбда-функциях после аннотации см. Пост-аннотация Lambda.
Роль функции Lambda после аннотации
Мы используем Управление идентификацией и доступом AWS (IAM), чтобы предоставить функции Lambda после аннотации доступ к корзине S3. Это необходимо для чтения результатов аннотаций и внесения любых изменений перед записью окончательных результатов в выходной файл манифеста.
Роль SageMaker «Основная истина»
Мы используем эту роль IAM, чтобы предоставить заданию по маркировке SageMaker Ground Truth возможность вызывать функции Lambda и читать изображения, файлы манифеста и пользовательский шаблон пользовательского интерфейса в корзине S3.
Предпосылки
Для этого прохождения у вас должны быть следующие предпосылки:
В этом решении мы используем AWS CDK для развертывания архитектуры. Затем мы создаем образец задания по маркировке, используем портал аннотаций для маркировки изображений в задании по маркировке и изучаем результаты маркировки.
Создайте стек AWS CDK.
Выполнив все предварительные требования, вы готовы к развертыванию решения.
Настройте свои ресурсы
Выполните следующие шаги, чтобы настроить ресурсы:
- Загрузите пример стека с сайта Репо GitHub.
- Используйте команду cd для перехода в репозиторий.
- Создайте среду Python и установите необходимые пакеты (подробнее см. в репозитории README.md).
- Активировав среду Python, выполните следующую команду:
- Выполните следующую команду, чтобы развернуть AWS CDK:
- Выполните следующую команду, чтобы запустить сценарий после развертывания:
Создать задание по маркировке
После настройки ресурсов вы готовы создать задание по маркировке. Для целей этой статьи мы создадим задание по маркировке, используя примеры сценариев и изображений, представленные в репозитории.
- компакт-диск в
scripts
каталог в репозитории. - Загрузите примеры изображений из Интернета, выполнив следующий код:
Этот скрипт загружает набор из 10 изображений, которые мы используем в нашем примере задания по маркировке. Далее в этом посте мы рассмотрим, как использовать ваши собственные входные данные.
- Создайте задание по маркировке, выполнив следующий код:
Этот сценарий принимает в качестве аргумента ARN частной рабочей силы SageMaker Ground Truth, который должен быть ARN для рабочей силы, которая у вас есть в той же учетной записи, в которой вы развернули эту архитектуру. Сценарий создаст входной файл манифеста для нашего задания по маркировке, загрузит его в Amazon S3 и создаст пользовательское задание по маркировке SageMaker Ground Truth. Мы более подробно рассмотрим детали этого сценария позже в этом посте.
Пометить набор данных
После запуска примера задания по маркировке он появится в консоли SageMaker, а также на портале рабочей силы.
На портале рабочей силы выберите задание по маркировке и выберите Начать работать.
Вам будет представлено изображение из примера набора данных. На этом этапе вы можете использовать собственный пользовательский интерфейс Crowd-2D-скелета для аннотирования изображений. Вы можете ознакомиться с пользовательским интерфейсом Crowd-2D-скелета, обратившись к Обзор пользовательского интерфейса. Мы используем определение оснастки из Проблема с набором данных обнаружения ключевых точек COCO как установка для позы человека. Еще раз повторим: вы можете настроить это без нашего специального компонента пользовательского интерфейса, чтобы удалять или добавлять точки в зависимости от ваших требований.
Завершив аннотирование изображения, выберите Отправить. Это приведет вас к следующему изображению в наборе данных, пока все изображения не будут помечены.
Доступ к результатам маркировки
Когда вы закончите маркировать все изображения в задании по маркировке, SageMaker Ground Truth вызовет функцию Lambda после аннотации и создаст файл выходного манифеста, содержащий все аннотации. Этот output.manifest
будет храниться в корзине S3. В нашем случае расположение выходного манифеста должно следовать по пути S3 URI. s3://<bucket name> /labeling_jobs/output/<labeling job name>/manifests/output/output.manifest
. Файл output.manifest представляет собой файл строк JSON, где каждая строка соответствует одному изображению и его аннотациям от рабочей силы по маркировке. Каждый элемент строк JSON представляет собой объект JSON со множеством полей. Поле, которое нас интересует, называется label-results
. Значением этого поля является объект, содержащий следующие поля:
- dataset_object_id – Идентификатор или индекс входного элемента манифеста.
- data_object_s3_uri – URI Amazon S3 изображения.
- имя_файла_образа – Имя файла изображения
- image_s3_location – URL-адрес изображения Amazon S3.
- original_annotations – Исходные аннотации (устанавливаются и используются только в том случае, если вы используете рабочий процесс с предварительными аннотациями)
- обновленные_аннотации – Аннотации к изображению
- идентификатор работника – Работник, сделавший аннотации
- no_changes_needed – Установлен ли флажок «Изменения не требуются»
- было_модифицировано – Отличаются ли данные аннотации от исходных входных данных
- total_time_in_секунды – Время, которое потребовалось работнику для аннотирования изображения.
С помощью этих полей вы можете получить доступ к результатам аннотаций для каждого изображения и выполнить расчеты, например, среднее время для маркировки изображения.
Создайте свои собственные задания по маркировке
Теперь, когда мы создали пример задания по маркировке и вы понимаете весь процесс, мы познакомим вас с кодом, отвечающим за создание файла манифеста и запуск задания по маркировке. Мы сосредоточимся на ключевых частях сценария, которые вы, возможно, захотите изменить для запуска собственных заданий по маркировке.
Мы рассмотрим фрагменты кода из create_example_labeling_job.py
скрипт, расположенный в Репозиторий GitHub. Сценарий начинается с настройки переменных, которые будут использоваться позже в сценарии. Некоторые переменные для простоты жестко закодированы, тогда как другие, зависящие от стека, будут импортироваться динамически во время выполнения путем извлечения значений, созданных из нашего стека AWS CDK.
Первый ключевой раздел этого сценария — создание файла манифеста. Напомним, что файл манифеста представляет собой файл строк JSON, содержащий сведения о задании маркировки SageMaker Ground Truth. Каждый объект JSON Lines представляет один элемент (например, изображение), которому необходимо пометить. Для этого рабочего процесса объект должен содержать следующие поля:
- ссылка на источник – URI Amazon S3 для изображения, которое вы хотите пометить.
- аннотации – Список объектов аннотаций, который используется для рабочих процессов предварительного аннотирования. См. документация по толпе-2d-скелету для получения более подробной информации об ожидаемых значениях.
Скрипт создает строку манифеста для каждого изображения в каталоге изображений, используя следующий раздел кода:
Если вы хотите использовать другие изображения или указать другой каталог изображений, вы можете изменить этот раздел кода. Кроме того, если вы используете рабочий процесс с предварительной аннотацией, вы можете обновить массив аннотаций с помощью строки JSON, состоящей из массива и всех его объектов аннотаций. Подробности формата этого массива описаны в документация по толпе-2d-скелету.
Теперь, когда позиции манифеста созданы, вы можете создать и загрузить файл манифеста в корзину S3, созданную ранее:
Теперь, когда вы создали файл манифеста, содержащий изображения, которые хотите маркировать, вы можете создать задание по маркировке. Вы можете создать задание по маркировке программно, используя команду AWS SDK для Python (Boto3). Код для создания задания по маркировке выглядит следующим образом:
Аспекты этого кода, которые вы, возможно, захотите изменить: LabelingJobName
, TaskTitle
и TaskDescription
, LabelingJobName
— это уникальное имя задания по маркировке, которое SageMaker будет использовать для ссылки на ваше задание. Это также имя будет отображаться на консоли SageMaker. TaskTitle
служит той же цели, но не обязательно должен быть уникальным и будет названием вакансии, которое появится на портале рабочей силы. Возможно, вы захотите сделать их более конкретными в зависимости от того, что вы маркируете или для чего предназначена работа по маркировке. Наконец, у нас есть TaskDescription
поле. Это поле появляется на портале рабочей силы, чтобы предоставить разработчикам ярлыков дополнительный контекст относительно задачи, например инструкции и рекомендации по ней. Дополнительную информацию об этих и других полях см. документация create_labeling_job.
Внесите изменения в пользовательский интерфейс
В этом разделе мы рассмотрим некоторые способы настройки пользовательского интерфейса. Ниже приведен список наиболее распространенных возможных настроек пользовательского интерфейса, которые помогут адаптировать его к вашей задаче моделирования:
- Вы можете определить, какие ключевые точки могут быть помечены. Сюда входит имя ключевой точки и ее цвет.
- Вы можете изменить структуру скелета (какие ключевые точки связаны между собой).
- Вы можете изменить цвета линий для определенных линий между определенными ключевыми точками.
Все эти настройки пользовательского интерфейса можно настроить с помощью аргументов, передаваемых в компонент Crowd-2d-skeleton, который является компонентом JavaScript, используемым в этом документе. пользовательский шаблон рабочего процесса. В этом шаблоне вы найдете использование компонента Crowd-2d-skeleton. Упрощенная версия показана в следующем коде:
В предыдущем примере кода вы можете увидеть следующие атрибуты компонента: imgSrc
, keypointClasses
, skeletonRig
, skeletonBoundingBox
и intialValues
. В следующих разделах мы описываем назначение каждого атрибута, но настроить пользовательский интерфейс так же просто, как изменить значения этих атрибутов, сохранить шаблон и перезапустить post_deployment_script.py
мы использовали ранее.
атрибут imgSrc
Ассоциация imgSrc
Атрибут определяет, какое изображение будет отображаться в пользовательском интерфейсе при маркировке. Обычно для каждой позиции манифеста используется отдельное изображение, поэтому этот атрибут часто заполняется динамически с помощью встроенного жидкость язык шаблонов. В предыдущем примере кода вы можете видеть, что значение атрибута установлено на {{ task.input.image_s3_uri | grant_read_access }}
, которая является переменной шаблона Liquid, которая будет заменена фактической image_s3_uri
значение при рендеринге шаблона. Процесс рендеринга начинается, когда пользователь открывает изображение для аннотации. Этот процесс извлекает строку из входного файла манифеста и отправляет ее в функцию Lambda перед аннотацией в качестве event.dataObject
. Функция предварительной аннотации берет необходимую информацию из позиции и возвращает taskInput
словарь, который затем передается в механизм рендеринга Liquid, который заменит любые переменные Liquid в вашем шаблоне. Например, предположим, что у вас есть файл манифеста со следующей строкой:
Эти данные будут переданы в функцию предварительной аннотации. Следующий код показывает, как функция извлекает значения из объекта события:
Объект, возвращаемый функцией, в этом случае будет выглядеть следующим образом:
Возвращаемые данные из функции затем доступны шаблонизатору Liquid, который заменяет значения шаблона в шаблоне значениями данных, возвращаемыми функцией. Результатом будет что-то вроде следующего кода:
атрибут keypointClasses
Ассоциация keypointClasses
Атрибут определяет, какие ключевые точки будут отображаться в пользовательском интерфейсе и использоваться аннотаторами. Этот атрибут принимает строку JSON, содержащую список объектов. Каждый объект представляет собой ключевую точку. Каждый объект ключевой точки должен содержать следующие поля:
- id – Уникальное значение для идентификации этой ключевой точки.
- цвет – Цвет ключевой точки, представленный в виде шестнадцатеричного цвета HTML.
- этикетка – Имя или класс ключевых точек.
- x – Этот необязательный атрибут необходим только в том случае, если вы хотите использовать функцию рисования скелета в пользовательском интерфейсе. Значением этого атрибута является положение ключевой точки по оси X относительно ограничивающей рамки скелета. Это значение обычно получают путем Инструмент создания скелетной установки. Если вы делаете аннотации ключевых точек и вам не нужно рисовать весь скелет сразу, вы можете установить это значение равным 0.
- y – Этот необязательный атрибут аналогичен x, но для вертикального размера.
Более подробную информацию о keypointClasses
атрибут, см. Документация по keypointClasses.
Атрибут SkeletonRig
Ассоциация skeletonRig
Атрибут контролирует, между какими ключевыми точками должны быть проведены линии. Этот атрибут принимает строку JSON, содержащую список пар меток ключевых точек. Каждая пара сообщает пользовательскому интерфейсу, между какими ключевыми точками следует рисовать линии. Например, '[["left_ankle","left_knee"],["left_knee","left_hip"]]'
сообщает пользовательскому интерфейсу о необходимости рисовать линии между "left_ankle"
и "left_knee"
и провести линии между "left_knee"
и "left_hip"
. Это может быть создано с помощью Инструмент создания скелетной установки.
Атрибут скелетбаундингбокс
Ассоциация skeletonBoundingBox
Атрибут не является обязательным и необходим только в том случае, если вы хотите использовать функцию рисования скелета в пользовательском интерфейсе. Функциональность рисования скелетов — это возможность аннотировать целые скелеты одним действием аннотации. Мы не рассматриваем эту функцию в этом посте. Значением этого атрибута являются размеры ограничивающей рамки скелета. Это значение обычно получают путем Инструмент создания скелетной установки. Если вы выполняете аннотации ключевых точек и вам не нужно рисовать весь скелет сразу, вы можете установить для этого значения значение null. Для получения этого значения рекомендуется использовать инструмент Skeleton Rig Creator.
атрибут intialValues
Ассоциация initialValues
Атрибут используется для предварительного заполнения пользовательского интерфейса аннотациями, полученными из другого процесса (например, другого задания по маркировке или модели машинного обучения). Это полезно при выполнении работ по корректировке или проверке. Данные для этого поля обычно заполняются динамически в одном и том же описании для imgSrc
атрибут. Более подробную информацию можно найти в документация по толпе-2d-скелету.
Убирать
Чтобы избежать будущих расходов, вам следует удалить объекты из корзины S3 и стек AWS CDK. Вы можете удалить объекты S3 через консоль Amazon SageMaker или Интерфейс командной строки AWS (AWS CLI). После удаления всех объектов S3 в корзине вы можете уничтожить AWS CDK, выполнив следующий код:
Это приведет к удалению ресурсов, которые вы создали ранее.
Соображения
Для оптимизации рабочего процесса могут потребоваться дополнительные шаги. Вот некоторые соображения в зависимости от профиля риска вашей организации:
- Добавление доступа и логирования приложений
- Добавление брандмауэра веб-приложений (WAF)
- Настройка разрешений IAM в соответствии с минимальными привилегиями
Заключение
В этом посте мы рассказали о важности эффективности и точности маркировки при построении наборов данных для оценки позы. Чтобы помочь с обоими задачами, мы показали, как можно использовать SageMaker Ground Truth для создания пользовательских рабочих процессов маркировки для поддержки задач маркировки поз на основе скелетов с целью повышения эффективности и точности процесса маркировки. Мы показали, как можно дополнительно расширить код и примеры в соответствии с различными требованиями к маркировке пользовательской оценки позы.
Мы рекомендуем вам использовать это решение для своих задач по маркировке и обращаться к AWS за помощью или по вопросам, связанным с рабочими процессами настраиваемой маркировки.
Об авторах
Артур Патнэм — специалист по анализу данных полного цикла в сфере профессиональных услуг AWS. Опыт Артура сосредоточен на разработке и интеграции интерфейсных и серверных технологий в системы искусственного интеллекта. Вне работы Артур любит изучать последние достижения в области технологий, проводить время с семьей и отдыхать на природе.
Бен Фенкер является старшим специалистом по данным в AWS Professional Services и помогает клиентам создавать и развертывать решения машинного обучения в самых разных отраслях: от спорта до здравоохранения и производства. У него есть докторская степень. по физике Техасского университета A&M и 6 лет опыта работы в отрасли. Бен любит бейсбол, чтение и воспитание детей.
Джарвис Ли — старший специалист по данным в сфере профессиональных услуг AWS. Он работает в AWS более шести лет, работая с клиентами над проблемами машинного обучения и компьютерного зрения. Вне работы он любит кататься на велосипеде.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/skeleton-based-pose-annotation-labeling-using-amazon-sagemaker-ground-truth/
- :имеет
- :является
- :нет
- :куда
- $UP
- 1
- 10
- 100
- 13
- 15%
- 17
- 2D
- 31
- 320
- 7
- 8
- 9
- a
- способность
- в состоянии
- доступ
- доступной
- Учетная запись
- точность
- точный
- точно
- приобретать
- приобретение
- через
- Действие
- акты
- фактического соединения
- Добавить
- дополнительный
- Дополнительно
- Регулировка
- корректировки
- достижения
- После
- AI
- Системы искусственного интеллекта
- Стремясь
- Все
- позволять
- позволяет
- причислены
- Amazon
- Создатель мудреца Амазонки
- Amazon SageMaker - основа правды
- Amazon Web Services
- an
- и
- животные
- Другой
- любой
- появиться
- появляется
- Применение
- Приложения
- прикладной
- архитектура
- МЫ
- аргумент
- Аргументы
- около
- массив
- Arthur
- AS
- аспекты
- назначенный
- Помощь
- предполагает,
- At
- Атрибуты
- дополненная
- Дополненная реальность
- автоматически
- доступен
- в среднем
- избежать
- AWS
- Профессиональные услуги AWS
- Back-конец
- Бейсбол
- основанный
- Базовая линия
- BE
- , так как:
- было
- до
- начинать
- не являетесь
- Бен
- между
- изоферменты печени
- Коробка
- широкий
- браузер
- строить
- Строительство
- встроенный
- бремя
- но
- by
- расчеты
- под названием
- CAN
- осторожно
- случаев
- CD
- центр
- изменение
- изменения
- изменения
- расходы
- проверка
- Выберите
- класс
- очиститель
- кли
- клиент
- код
- цвет
- выходит
- Общий
- полный
- компонент
- компоненты
- Состоит
- компьютер
- Компьютерное зрение
- подключенный
- соображения
- последовательный
- Состоящий из
- Консоли
- содержать
- содержит
- контекст
- контрольная
- соответствует
- Цена
- чехол для варгана
- Создайте
- создали
- создает
- Создающий
- создание
- создатель
- критической
- переход
- толпа
- изготовленный на заказ
- Изготовленный на заказ
- Клиенты
- настройка
- настроить
- данным
- обработка данных
- ученый данных
- Наборы данных
- Дата и время
- глубоко
- глубокое обучение
- более глубокий
- определять
- определенный
- Определяет
- определение
- демонстрировать
- зависимый
- в зависимости
- зависит
- развертывание
- развернуть
- описывать
- описание
- предназначенный
- проектирование
- желанный
- уничтожить
- подробность
- подробнее
- обнаружение
- развивающийся
- диаграмма
- различный
- Размеры
- размеры
- непосредственно
- каталог
- распределение
- погружение
- Разное
- do
- не
- дело
- сделанный
- Dont
- загрузок
- рисовать
- обращается
- два
- в течение
- динамично
- каждый
- Ранее
- простота
- легко
- эффективность
- затрат
- поощрять
- заниматься
- Двигатель
- повышать
- наслаждаясь
- обеспечивает
- Развлечения
- Весь
- Окружающая среда
- ошибка
- ошибки
- Даже
- События
- исследовать
- пример
- Примеры
- Расширьте
- ожидаемый
- опыт
- опыта
- Объяснять
- Исследование
- продлить
- дополнительно
- Экстракты
- знакомый
- ознакомиться
- семья
- Особенность
- Особенности
- поле
- Поля
- Файл
- Файлы
- окончательный
- Найдите
- брандмауэр
- Во-первых,
- Трансформируемость
- Фокус
- следовать
- после
- следующим образом
- Фут
- Что касается
- формат
- найденный
- от
- функция
- функциональность
- Функции
- фундаментальный
- далее
- будущее
- генерируется
- получить
- GIF
- GitHub
- Дайте
- Go
- земля
- руководство
- Ручки
- Есть
- имеющий
- he
- здравоохранение
- сильно
- помощь
- помог
- полезный
- помогает
- здесь
- HEX
- высококачественный
- его
- кашель
- состоялся
- хостинг
- Как
- How To
- HTML
- HTTP
- HTTPS
- человек
- Сотни
- ID
- идентифицированный
- определения
- идентифицирующий
- Личность
- if
- изображение
- изображений
- значение
- важную
- улучшать
- улучшенный
- in
- включает в себя
- включенный
- индекс
- промышленности
- промышленность
- неэффективное
- влияние
- информация
- Сообщает
- инициативы
- вход
- Запросы
- устанавливать
- инструкции
- Интегрируя
- интерес
- заинтересованный
- Интерфейс
- Интернет
- в
- включает в себя
- IT
- пункты
- ЕГО
- JavaScript
- работа
- Джобс
- JPG
- JSON
- Основные
- Обнаружение ключевой точки
- Дети
- этикетка
- маркировка
- Этикетки
- язык
- большой
- наконец
- новее
- последний
- запуск
- запустили
- запуск
- ведущий
- УЧИТЬСЯ
- изучение
- наименее
- Lets
- такое как
- линия
- линий
- жидкость
- Список
- расположенный
- расположение
- журнал
- Войти
- посмотреть
- выглядит как
- машина
- обучение с помощью машины
- сделанный
- сделать
- управлять
- руководство
- производство
- многих
- отметка
- маркировка
- Май..
- может быть
- Медиа
- основным медицинским
- Медицинские применения
- Метаданные
- минимизировать
- ошибки
- ML
- модель
- моделирование
- Модели
- изменения
- изменять
- БОЛЕЕ
- самых
- имя
- природа
- необходимо
- Необходимость
- необходимый
- потребности
- следующий
- нет
- в своих размышлениях
- сейчас
- объект
- объекты
- полученный
- получение
- of
- .
- on
- консолидировать
- ONE
- онлайн
- только
- открытый
- с открытым исходным кодом
- Откроется
- or
- заказ
- организации
- происхождения
- оригинал
- OS
- Другое
- Другое
- наши
- внешний
- на открытом воздухе
- выходной
- внешнюю
- за
- общий
- собственный
- пакеты
- пара
- пар
- часть
- части
- Прошло
- путь
- Люди
- производительность
- Разрешения
- Физика
- Часть
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- Точка
- пунктов
- политика
- населенный
- Портал
- поза
- Оценка позы
- представляет
- должность
- После
- потенциал
- практика
- предшествующий
- Точность
- предпосылки
- представлены
- представляя
- предотвращать
- предотвращает
- предыдущий
- предварительно
- принцип
- частная
- проблемам
- процесс
- Процессы
- обработка
- производит
- профессиональный
- Профиль
- обеспечивать
- при условии
- приводит
- что такое варган?
- цель
- целей
- Питон
- быстро
- привлечение
- ассортимент
- ранжирование
- Читать
- Reading
- готовый
- реальный мир
- Реальность
- признавать
- Управление по борьбе с наркотиками (DEA)
- снижение
- относиться
- ссылка
- Связанный
- относительный
- складская
- оставаться
- удаление
- оказываемых
- оказание
- замещать
- заменить
- хранилище
- представленный
- представляет
- обязательный
- Требования
- требуется
- Полезные ресурсы
- ответ
- ответственный
- Ограничения
- результат
- Итоги
- возвращают
- Возвращает
- обзоре
- верховая езда
- установка
- Снижение
- робототехника
- надежный
- Роли
- Run
- Бег
- время выполнения
- sagemaker
- то же
- образец
- экономия
- сообщили
- Сценарии
- Ученый
- скрипт
- скрипты
- SDK
- Раздел
- разделах
- безопасность
- посмотреть
- выберите
- посылает
- старший
- служит
- Услуги
- набор
- установка
- несколько
- общие
- должен
- показывать
- показал
- показанный
- Шоу
- значительный
- аналогичный
- просто
- простота
- упрощенный
- просто
- одинарной
- ШЕСТЬ
- So
- Решение
- Решения
- некоторые
- удалось
- Источник
- особый
- конкретный
- конкретно
- Расходы
- Спорт
- стек
- начинается
- Шаги
- диск
- магазин
- хранить
- простой
- упорядочить
- строка
- Структура
- существенный
- такие
- поддержка
- обмен
- свопы
- система
- системы
- взять
- принимает
- целевое
- Сложность задачи
- задачи
- техника
- технологии
- Технологии
- шаблон
- десятки
- Техас
- который
- Ассоциация
- информация
- Линия
- их
- Их
- тогда
- тем самым
- следовательно
- Эти
- они
- этой
- тысячи
- Через
- Связанный
- время
- в
- приняли
- инструментом
- Train
- специалистов
- Обучение
- срабатывает
- грузовик
- правда
- Правда
- ОЧЕРЕДЬ
- типично
- ui
- понимать
- созданного
- Университет
- до
- Обновление ПО
- Применение
- использование
- используемый
- полезный
- Информация о пользователе
- Пользовательский интерфейс
- использования
- через
- обычно
- ценностное
- Наши ценности
- переменная
- изменения
- различный
- Транспорт
- версия
- вертикальный
- с помощью
- Видео
- видение
- визуальный
- объем
- W
- от
- прогулки
- прохождение
- хотеть
- законопроект
- Путь..
- способы
- we
- Web
- веб приложение
- веб-браузер
- веб-сервисы
- ЧТО Ж
- Что
- когда
- в то время как
- будь то
- , которые
- в то время как
- КТО
- будете
- желание
- в
- без
- Работа
- работник
- рабочий
- Рабочие процессы
- Трудовые ресурсы
- работает
- бы
- письмо
- X
- лет
- Ты
- ВАШЕ
- себя
- зефирнет