اس دو حصوں کی سیریز میں، ہم یہ ظاہر کرتے ہیں کہ کس طرح 3D آبجیکٹ کا پتہ لگانے کے کاموں کے لیے ماڈلز کو لیبل اور تربیت دیں۔ حصہ 1 میں، ہم ڈیٹاسیٹ کے بارے میں بات کرتے ہیں جو ہم استعمال کر رہے ہیں، نیز ڈیٹا کو سمجھنے اور اس پر لیبل لگانے کے لیے کسی بھی پری پروسیسنگ اقدامات پر۔ حصہ 2 میں، ہم آپ کے ڈیٹاسیٹ پر ایک ماڈل کو تربیت دینے اور اسے پروڈکشن میں تعینات کرنے کے طریقہ پر چلتے ہیں۔
لیڈر (روشنی کا پتہ لگانا اور رینج کرنا) لیزر کے ساتھ کسی چیز یا سطح کو نشانہ بنا کر اور منعکس شدہ روشنی کے ریسیور پر واپس آنے کے وقت کی پیمائش کرکے حدود کا تعین کرنے کا ایک طریقہ ہے۔ خود مختار گاڑیاں کمپنیاں عام طور پر اپنی گاڑیوں کے ارد گرد کے ماحول کی 3D تفہیم پیدا کرنے کے لیے LiDAR سینسر استعمال کرتی ہیں۔
جیسے جیسے LiDAR سینسر زیادہ قابل رسائی اور لاگت کے قابل ہو گئے ہیں، صارفین تیزی سے پوائنٹ کلاؤڈ ڈیٹا کو نئی جگہوں جیسے روبوٹکس، سگنل میپنگ، اور بڑھا ہوا حقیقت میں استعمال کر رہے ہیں۔ کچھ نئے موبائل آلات میں LiDAR سینسر بھی شامل ہیں۔ LiDAR سینسر کی بڑھتی ہوئی دستیابی نے مشین لرننگ (ML) کے کاموں کے لیے پوائنٹ کلاؤڈ ڈیٹا میں دلچسپی بڑھا دی ہے، جیسے 3D آبجیکٹ کا پتہ لگانے اور ٹریکنگ، 3D سیگمنٹیشن، 3D آبجیکٹ کی ترکیب اور تعمیر نو، اور 3D گہرائی کے تخمینے کی توثیق کرنے کے لیے 2D ڈیٹا کا استعمال۔
اس سیریز میں، ہم آپ کو دکھاتے ہیں کہ کس طرح آبجیکٹ کا پتہ لگانے والے ماڈل کو تربیت دی جائے جو 3D منظر میں گاڑیوں کے مقام کی پیشین گوئی کرنے کے لیے پوائنٹ کلاؤڈ ڈیٹا پر چلتا ہے۔ اس پوسٹ میں، ہم خاص طور پر LiDAR ڈیٹا کو لیبل لگانے پر توجہ مرکوز کرتے ہیں۔ معیاری LiDAR سینسر آؤٹ پٹ 3D پوائنٹ کلاؤڈ فریموں کا ایک سلسلہ ہے، جس کی عام کیپچر کی شرح 10 فریم فی سیکنڈ ہے۔ اس سینسر آؤٹ پٹ کو لیبل کرنے کے لیے آپ کو ایک لیبلنگ ٹول کی ضرورت ہے جو 3D ڈیٹا کو سنبھال سکے۔ ایمیزون سیج میکر گراؤنڈ ٹروتھ ML ٹریننگ ڈیٹا سیٹس بنانے کے لیے اشیاء کو ایک ہی 3D فریم میں یا 3D پوائنٹ کلاؤڈ فریموں کی ترتیب میں لیبل لگانا آسان بناتا ہے۔ گراؤنڈ ٹروتھ آٹھ تک ویڈیو کیمرہ ان پٹ کے ساتھ کیمرہ اور LiDAR ڈیٹا کے سینسر فیوژن کو بھی سپورٹ کرتا ہے۔
ڈیٹا کسی بھی ایم ایل پروجیکٹ کے لیے ضروری ہے۔ خاص طور پر 3D ڈیٹا کا ذریعہ بنانا، تصور کرنا اور لیبل لگانا مشکل ہو سکتا ہے۔ ہم استعمال کرتے ہیں A2D2 ڈیٹاسیٹ اس پوسٹ میں اور اسے تصور کرنے اور اسے لیبل کرنے کے مراحل سے گزرتے ہیں۔
A2D2 میں سیمنٹک سیگمنٹیشن اور پوائنٹ کلاؤڈ لیبل کے ساتھ 40,000 فریمز ہیں، بشمول 12,499D باؤنڈنگ باکس لیبل کے ساتھ 3 فریمز۔ چونکہ ہم آبجیکٹ کی کھوج پر توجہ مرکوز کر رہے ہیں، ہمیں 12,499D باؤنڈنگ باکس لیبل والے 3 فریموں میں دلچسپی ہے۔ ان تشریحات میں ڈرائیونگ سے متعلق 14 کلاسیں شامل ہیں جیسے کار، پیدل چلنے والے، ٹرک، بس وغیرہ۔
درج ذیل جدول کلاس کی مکمل فہرست دکھاتا ہے:
انڈیکس | کلاس لسٹ |
1 | جانور |
2 | سائیکل |
3 | بس |
4 | کار کے |
5 | کارواں ٹرانسپورٹر |
6 | سائیکل سوار |
7 | ہنگامی گاڑی |
8 | موٹر بائیکر |
9 | موٹر سائیکل |
10 | پیدل چلنے والوں |
11 | ٹریلر |
12 | ٹرک |
13 | یوٹیلٹی گاڑی |
14 | وین / ایس یو وی |
ہم اپنے ڈیٹیکٹر کو خاص طور پر کاروں کا پتہ لگانے کی تربیت دیں گے کیونکہ یہ ہمارے ڈیٹاسیٹ میں سب سے عام کلاس ہے (ڈیٹا سیٹ میں کل 32616 اشیاء میں سے 42816 پر کاروں کا لیبل لگا ہوا ہے)۔
حل جائزہ
اس سیریز میں، ہم Amazon SageMaker Ground Truth کے ساتھ آپ کے ڈیٹا کو تصور اور لیبل کرنے کے طریقے کا احاطہ کرتے ہیں اور یہ ظاہر کرتے ہیں کہ اس ڈیٹا کو ایمیزون سیج میکر ٹریننگ جاب میں کس طرح استعمال کیا جائے تاکہ آبجیکٹ کا پتہ لگانے کا ماڈل بنایا جا سکے، جسے ایمیزون سیج میکر اینڈ پوائنٹ پر تعینات کیا گیا ہے۔ خاص طور پر، ہم حل کو چلانے کے لیے ایک Amazon SageMaker نوٹ بک استعمال کریں گے اور کسی بھی لیبلنگ یا تربیتی ملازمتوں کو شروع کریں گے۔
درج ذیل خاکہ میں لیبلنگ سے لے کر تربیت تک تعیناتی تک سینسر ڈیٹا کے مجموعی بہاؤ کو دکھایا گیا ہے:
آپ سیکھیں گے کہ ریئل ٹائم 3D آبجیکٹ کا پتہ لگانے والے ماڈل کو کس طرح تربیت اور تعینات کرنا ہے۔ ایمیزون سیج میکر مندرجہ ذیل مراحل کے ساتھ زمینی سچائی:
- ایک پوائنٹ کلاؤڈ ڈیٹاسیٹ کو ڈاؤن لوڈ اور تصور کریں۔
- کے ساتھ لیبل کرنے کے لئے تیار ڈیٹا ایمیزون سیج میکر گراؤنڈ ٹروتھ پوائنٹ کلاؤڈ ٹول
- کے ساتھ ایک تقسیم شدہ ایمیزون سیج میکر گراؤنڈ ٹروتھ ٹریننگ جاب شروع کریں۔ MMDetection3D
- اپنے تربیتی کام کے نتائج اور اپنے وسائل کے استعمال کی پروفائلنگ کا اندازہ کریں۔ ایمیزون سیج میکر ڈیبگر
- ایک غیر مطابقت پذیر تعینات کریں۔ سیج میکر اینڈ پوائنٹ
- اختتامی نقطہ کو کال کریں اور 3D آبجیکٹ کی پیشین گوئیاں دیکھیں
اس حل کو نافذ کرنے کے لیے استعمال ہونے والی AWS خدمات
شرائط
مندرجہ ذیل خاکہ ظاہر کرتا ہے کہ نجی افرادی قوت کیسے بنائی جائے۔ تحریری، مرحلہ وار ہدایات کے لیے، دیکھیں لیبلنگ ورک فورس پیج کا استعمال کرتے ہوئے ایک ایمیزون کوگنیٹو ورک فورس بنائیں.
AWS CloudFormation اسٹیک لانچ کرنا
اب جب کہ آپ نے حل کی ساخت دیکھ لی ہے، آپ اسے اپنے اکاؤنٹ میں تعینات کرتے ہیں تاکہ آپ مثالی ورک فلو چلا سکیں۔ لیبلنگ پائپ لائن سے متعلق تمام تعیناتی کے مراحل کا انتظام AWS CloudFormation کے ذریعے کیا جاتا ہے۔ اس کا مطلب ہے کہ AWS Cloudformation حل کو چلانے میں مدد کے لیے آپ کی نوٹ بک مثال کے ساتھ ساتھ کوئی بھی کردار یا Amazon S3 Buckets تخلیق کرتا ہے۔
آپ اسٹیک کو AWS ریجن میں لانچ کر سکتے ہیں۔ us-east-1
کا استعمال کرتے ہوئے AWS CloudFormation کنسول پر اسٹیک لانچ کریں۔
بٹن اسٹیک کو کسی دوسرے علاقے میں لانچ کرنے کے لیے، کے README میں موجود ہدایات کا استعمال کریں۔ GitHub ذخیرہ.
تمام وسائل کو بنانے میں تقریباً 20 منٹ لگتے ہیں۔ آپ AWS CloudFormation یوزر انٹرفیس (UI) سے پیشرفت کی نگرانی کر سکتے ہیں۔
ایک بار جب آپ کا CloudFormation ٹیمپلیٹ چلتا ہے تو AWS کنسول پر واپس جائیں۔
نوٹ بک کھولنا
Amazon SageMaker Notebook Instances ML کمپیوٹ مثالیں ہیں جو Jupyter Notebook App پر چلتی ہیں۔ Amazon SageMaker مثالوں اور متعلقہ وسائل کی تخلیق کا انتظام کرتا ہے۔ ڈیٹا تیار کرنے اور اس پر کارروائی کرنے، ماڈلز کو تربیت دینے کے لیے کوڈ لکھنے، Amazon SageMaker ہوسٹنگ پر ماڈلز تعینات کرنے، اور اپنے ماڈلز کی جانچ یا تصدیق کرنے کے لیے اپنی نوٹ بک مثال میں Jupyter نوٹ بک کا استعمال کریں۔
Amazon SageMaker نوٹ بک ماحول تک رسائی کے لیے اگلے مراحل پر عمل کریں:
- خدمات کے تحت تلاش کریں۔ ایمیزون سیج میکر.
- کے تحت نوٹ بکمنتخب نوٹ بک کی مثالیں۔.
- ایک نوٹ بک مثال فراہم کی جانی چاہئے۔ کھولیں کو منتخب کریں۔ jupyter لیبجو کہ پہلے سے فراہم کردہ نوٹ بک مثال کے دائیں جانب واقع ہے۔ عوامل.
- صفحہ لوڈ ہوتے ہی آپ کو اس جیسا ایک آئیکن نظر آئے گا:
- آپ کو ایک نئے براؤزر ٹیب پر بھیج دیا جائے گا جو درج ذیل خاکہ کی طرح نظر آتا ہے:
- ایک بار جب آپ Amazon SageMaker Notebook Instance Launcher UI میں آجاتے ہیں۔ بائیں سائڈبار سے، منتخب کریں۔ جاؤ آئیکن جیسا کہ درج ذیل خاکہ میں دکھایا گیا ہے۔
- منتخب کریں ایک ذخیرہ کلون آپشن.
- GitHub URL درج کریںhttps://github.com/aws-samples/end-2-end-3d-ml) پاپ اپ ونڈو میں اور منتخب کریں۔ کلون.
- منتخب کریں فائل براؤزر GitHub فولڈر دیکھنے کے لیے۔
- عنوان والی نوٹ بک کھولیں۔
1_visualization.ipynb.
نوٹ بک کو چلانا
مجموعی جائزہ
عنوان والے حصے میں نوٹ بک کے پہلے چند سیل ڈاؤن لوڈ کردہ فائلیں۔ ڈیٹاسیٹ کو ڈاؤن لوڈ کرنے اور اس میں موجود فائلوں کا معائنہ کرنے کے طریقہ پر چلتا ہے۔ سیلز کے مکمل ہونے کے بعد، ڈیٹا کو ڈاؤن لوڈ مکمل ہونے میں چند منٹ لگتے ہیں۔
ڈاؤن لوڈ ہونے کے بعد، آپ A2D2 کے فائل ڈھانچے کا جائزہ لے سکتے ہیں، جو کہ مناظر یا ڈرائیوز کی فہرست ہے۔ ایک منظر ہماری گاڑی سے سینسر ڈیٹا کی ایک مختصر ریکارڈنگ ہے۔ A2D2 ہمیں تربیت دینے کے لیے ان میں سے 18 مناظر فراہم کرتا ہے، جن کی شناخت منفرد تاریخوں سے ہوتی ہے۔ ہر منظر میں 2D کیمرہ ڈیٹا، 2D لیبلز، 3D کیوبائیڈ تشریحات، اور 3D پوائنٹ کلاؤڈز شامل ہیں۔
آپ درج ذیل کے ساتھ A2D2 ڈیٹاسیٹ کے لیے فائل کا ڈھانچہ دیکھ سکتے ہیں۔
A2D2 سینسر سیٹ اپ
اگلا حصہ اس پوائنٹ کلاؤڈ ڈیٹا میں سے کچھ کو پڑھ کر اس بات کو یقینی بناتا ہے کہ ہم اس کی صحیح ترجمانی کر رہے ہیں اور اسے ڈیٹا لیبلنگ کے لیے تیار فارمیٹ میں تبدیل کرنے کی کوشش کرنے سے پہلے اسے نوٹ بک میں دیکھ سکتے ہیں۔
کسی بھی قسم کے خود مختار ڈرائیونگ سیٹ اپ کے لیے جہاں ہمارے پاس 2D اور 3D سینسر ڈیٹا موجود ہے، سینسر کیلیبریشن ڈیٹا کو کیپچر کرنا ضروری ہے۔ خام ڈیٹا کے علاوہ، ہم نے بھی ڈاؤن لوڈ کیا cams_lidar.json
. اس فائل میں گاڑی کے کوآرڈینیٹ فریم سے متعلق ہر سینسر کا ترجمہ اور واقفیت شامل ہے، اسے سینسر کا پوز، یا خلا میں مقام بھی کہا جا سکتا ہے۔ یہ پوائنٹس کو سینسر کے کوآرڈینیٹ فریم سے گاڑی کے کوآرڈینیٹ فریم میں تبدیل کرنے کے لیے اہم ہے۔ دوسرے لفظوں میں، گاڑی کے چلتے ہوئے 2D اور 3D سینسر کو دیکھنے کے لیے یہ ضروری ہے۔ گاڑی کے کوآرڈینیٹ فریم کو گاڑی کے بیچ میں ایک جامد نقطہ کے طور پر بیان کیا گیا ہے، جس میں x-محور گاڑی کی آگے بڑھنے کی سمت میں ہے، y-محور بائیں اور دائیں کو مثبت ہونے کے ساتھ ظاہر کرتا ہے، اور z- گاڑی کی چھت کی طرف اشارہ کرنے والا محور۔ (5,2,1) کے ایک پوائنٹ (X,Y,Z) کا مطلب ہے کہ یہ پوائنٹ ہماری گاڑی سے 5 میٹر آگے، بائیں طرف 2 میٹر، اور ہماری گاڑی سے 1 میٹر اوپر ہے۔ ان کیلیبریشنز کا ہونا ہمیں اپنی 3D امیج پر 2D پوائنٹس پروجیکٹ کرنے کی بھی اجازت دیتا ہے، جو کہ خاص طور پر پوائنٹ کلاؤڈ لیبلنگ کے کاموں کے لیے مددگار ہے۔
گاڑی پر سینسر سیٹ اپ دیکھنے کے لیے، درج ذیل خاکہ کو چیک کریں۔
ہم جس پوائنٹ کلاؤڈ ڈیٹا کی تربیت کر رہے ہیں وہ خاص طور پر سامنے والے کیمرہ یا کیم کے سامنے والے مرکز کے ساتھ منسلک ہے:
یہ 3D میں کیمرے کے سینسر کے ہمارے تصور سے میل کھاتا ہے:
نوٹ بک کا یہ حصہ اس بات کی توثیق کرتا ہے کہ A2D2 ڈیٹاسیٹ سینسر کی پوزیشنوں کے بارے میں ہماری توقعات سے میل کھاتا ہے، اور یہ کہ ہم پوائنٹ کلاؤڈ سینسرز سے ڈیٹا کو کیمرے کے فریم میں ترتیب دینے کے قابل ہیں۔ ٹائٹل والے ایک کے ذریعے تمام سیل چلانے کے لیے آزاد محسوس کریں۔ 3D سے 2D تک پروجیکشن درج ذیل کیمرہ امیج پر اپنا پوائنٹ کلاؤڈ ڈیٹا اوورلے دیکھنے کے لیے۔
ایمیزون سیج میکر گراؤنڈ ٹروتھ میں تبدیلی
اپنی نوٹ بک میں اپنے ڈیٹا کو دیکھنے کے بعد، ہم اعتماد کے ساتھ اپنے پوائنٹ کلاؤڈز کو Amazon میں تبدیل کر سکتے ہیں۔ سیج میکر گراؤنڈ ٹروتھ کا 3D فارمیٹ ہمارے لیبلز کی تصدیق اور ایڈجسٹ کرنے کے لیے۔ یہ سیکشن A2D2 کے ڈیٹا فارمیٹ سے Amazon میں تبدیل کرنے کے ذریعے چلتا ہے۔ سیج میکر گراؤنڈ ٹروتھ سیکوینس فائل, آبجیکٹ ٹریکنگ موڈیلٹی کے ذریعہ استعمال کردہ ان پٹ فارمیٹ کے ساتھ۔
ترتیب فائل کی شکل میں پوائنٹ کلاؤڈ فارمیٹس، ہر پوائنٹ کلاؤڈ سے وابستہ تصاویر، اور تمام سینسر کی پوزیشن اور واقفیت کا ڈیٹا شامل ہوتا ہے جو تصویروں کو پوائنٹ کلاؤڈ کے ساتھ سیدھ میں لانے کے لیے درکار ہوتا ہے۔ یہ تبدیلیاں پچھلے حصے سے پڑھی گئی سینسر کی معلومات کا استعمال کرتے ہوئے کی جاتی ہیں۔ مندرجہ ذیل مثال ایمیزون سیج میکر گراؤنڈ ٹروتھ کی ایک ترتیب فائل کی شکل ہے، جو صرف ایک ٹائم سٹیپ کے ساتھ ایک ترتیب کو بیان کرتی ہے۔
اس ٹائم سٹیپ کے لیے پوائنٹ کلاؤڈ پر واقع ہے۔ s3://sagemaker-us-east-1-322552456788/a2d2_smgt/20180807_145028_out/20180807145028_lidar_frontcenter_000000091.txt
اور اس کا فارمیٹ ہے۔ <x coordinate> <y coordinate> <z coordinate>
.
پوائنٹ کلاؤڈ کے ساتھ منسلک، ایک واحد کیمرہ امیج ہے جس پر واقع ہے۔ s3://sagemaker-us-east-1-322552456788/a2d2_smgt/20180807_145028_out/undistort_20180807145028_camera_frontcenter_000000091.png
. نوٹ کریں کہ ہم سیکوینس فائل لیتے ہیں جو کیمرے کے تمام پیرامیٹرز کی وضاحت کرتی ہے تاکہ پوائنٹ کلاؤڈ سے کیمرے اور پیچھے تک پروجیکشن کی اجازت دی جا سکے۔
اس ان پٹ فارمیٹ میں تبدیلی کے لیے ہمیں A2D2 کے ڈیٹا فارمیٹ سے Amazon SageMaker Ground Truth کے تعاون سے ڈیٹا فارمیٹس میں تبدیلی لکھنے کی ضرورت ہے۔ یہ وہی عمل ہے جو کسی کو لیبلنگ کے لیے اپنا ڈیٹا لاتے وقت گزرنا چاہیے۔ ہم قدم بہ قدم دیکھیں گے کہ یہ تبدیلی کیسے کام کرتی ہے۔ اگر نوٹ بک میں پیروی کرتے ہیں تو، نام کے فنکشن کو دیکھیں a2d2_scene_to_smgt_sequence_and_seq_label
.
پوائنٹ کلاؤڈ کی تبدیلی
پہلا قدم کمپریسڈ Numpy-فارمیٹڈ فائل (NPZ) سے ڈیٹا کو تبدیل کرنا ہے، جو numpy کے ساتھ تیار کیا گیا تھا۔جانتے ہیں طریقہ، ایک خام 3D فارمیٹ کو قبول کیا گیا۔ ایمیزون سیج میکر گراؤنڈ ٹروتھ کے لیے۔ خاص طور پر، ہم ایک قطار فی پوائنٹ کے ساتھ ایک فائل تیار کرتے ہیں۔ ہر 3D پوائنٹ کی وضاحت تین فلوٹنگ پوائنٹ X، Y، اور Z کوآرڈینیٹس سے ہوتی ہے۔ جب ہم ترتیب فائل میں اپنا فارمیٹ بتاتے ہیں تو ہم سٹرنگ استعمال کرتے ہیں۔ text/xyz
اس فارمیٹ کی نمائندگی کرنے کے لیے۔ ایمیزون سیج میکر گراؤنڈ ٹروتھ شدت کی اقدار یا ریڈ گرین بلیو (آر جی بی) پوائنٹس کو شامل کرنے کی بھی حمایت کرتا ہے۔
A2D2 کی NPZ فائلوں میں متعدد Numpy arrays ہیں، ہر ایک کا اپنا نام ہے۔ تبدیلی کرنے کے لیے، ہم Numpy's کا استعمال کرتے ہوئے NPZ فائل لوڈ کرتے ہیں۔ لوڈ طریقہ، نامی صف تک رسائی حاصل کریں۔ پوائنٹس (یعنی، ایک Nx3 سرنی، جہاں N پوائنٹ کلاؤڈ میں پوائنٹس کی تعداد ہے)، اور Numpy's کا استعمال کرتے ہوئے ایک نئی فائل میں بطور ٹیکسٹ محفوظ کریں۔ savetxt طریقہ.
امیج پری پروسیسنگ
اگلا، ہم اپنی تصویر کی فائلیں تیار کرتے ہیں۔ A2D2 PNG تصاویر فراہم کرتا ہے، اور Amazon SageMaker Ground Truth PNG تصاویر کو سپورٹ کرتا ہے۔ تاہم، یہ تصاویر مسخ شدہ ہیں۔ تحریف اکثر اس لیے ہوتی ہے کیونکہ تصویر لینے والا لینس امیجنگ جہاز کے متوازی نہیں ہوتا ہے، جس کی وجہ سے تصویر کے کچھ حصے توقع سے زیادہ قریب نظر آتے ہیں۔ یہ تحریف فزیکل کیمرہ اور ایک کے درمیان فرق کو بیان کرتی ہے۔ مثالی پن ہول کیمرہ ماڈل. اگر تحریف کو مدنظر نہیں رکھا جاتا ہے، تو Amazon SageMaker Ground Truth ہمارے 3D پوائنٹس کو کیمرے کے نظارے کے اوپر پیش نہیں کر سکے گا، جس کی وجہ سے لیبلنگ کرنا زیادہ مشکل ہو جاتا ہے۔ کیمرہ کیلیبریشن سے متعلق ٹیوٹوریل کے لیے، اس دستاویز کو دیکھیں OpenCV.
جبکہ ایمیزون سیج میکر گراؤنڈ ٹروتھ اپنی ان پٹ فائل میں ڈسٹورشن کوفیشینٹس کو سپورٹ کرتا ہے، آپ لیبلنگ جاب سے پہلے پری پروسیسنگ بھی کر سکتے ہیں۔ چونکہ A2D2 غیر مسخ کرنے کے لیے مددگار کوڈ فراہم کرتا ہے، اس لیے ہم اسے تصویر پر لاگو کرتے ہیں، اور مسخ سے متعلق فیلڈز کو اپنی ترتیب فائل سے باہر چھوڑ دیتے ہیں۔ نوٹ کریں کہ مسخ سے متعلق فیلڈز شامل ہیں۔ k1, k2, k3, k4, p1, p2, and skew.
کیمرے کی پوزیشن، واقفیت، اور پروجیکشن کی تبدیلی
لیبلنگ کے لیے درکار خام ڈیٹا فائلوں کے علاوہ، ترتیب فائل کو 3D کیمرے کے نظارے میں 2D پوائنٹس کے پروجیکشن کو انجام دینے کے لیے کیمرے کی پوزیشن اور واقفیت کی معلومات کی بھی ضرورت ہوتی ہے۔ ہمیں یہ جاننے کی ضرورت ہے کہ کیمرہ 3D اسپیس میں کہاں دیکھ رہا ہے تاکہ یہ معلوم کیا جا سکے کہ ہماری تصاویر کے اوپر 3D کیوبائیڈ لیبلز اور 3D پوائنٹس کو کیسے پیش کیا جانا چاہیے۔
چونکہ ہم نے A2D2 سینسر سیٹ اپ سیکشن میں اپنے سینسر کی پوزیشنز کو ایک عام ٹرانسفارم مینیجر میں لوڈ کیا ہے، اس لیے ہم آسانی سے اپنی مطلوبہ معلومات کے لیے ٹرانسفارم مینیجر سے استفسار کر سکتے ہیں۔ ہمارے معاملے میں، ہم ہر فریم میں گاڑی کی پوزیشن کو (0, 0, 0) مانتے ہیں کیونکہ ہمارے پاس A2D2 کے آبجیکٹ ڈیٹیکشن ڈیٹاسیٹ کے ذریعے فراہم کردہ سینسر کی پوزیشن کی معلومات نہیں ہے۔ اس لیے ہماری گاڑی کی نسبت، کیمرے کی واقفیت اور پوزیشن درج ذیل کوڈ کے ذریعے بیان کی گئی ہے:
اب جب کہ پوزیشن اور واقفیت کو تبدیل کر دیا گیا ہے، ہمیں fx، fy، cx، اور cy کے لیے اقدار بھی فراہم کرنے کی ضرورت ہے، ترتیب فائل کی شکل میں ہر کیمرے کے لیے تمام پیرامیٹرز۔
یہ پیرامیٹرز کیمرہ میٹرکس میں اقدار کا حوالہ دیتے ہیں۔ جبکہ پوزیشن اور واقفیت اس بات کی وضاحت کرتی ہے کہ کیمرہ کس سمت کا سامنا کر رہا ہے، کیمرہ میٹرکس کیمرے کے منظر کے فیلڈ کی وضاحت کرتا ہے اور بالکل کیسے کیمرے سے متعلق 3D پوائنٹ تصویر میں 2D پکسل مقام میں تبدیل ہوتا ہے۔
A2D2 ایک کیمرہ میٹرکس فراہم کرتا ہے۔ مندرجہ ذیل کوڈ میں ایک ریفرنس کیمرہ میٹرکس دکھایا گیا ہے، اس کے ساتھ کہ ہماری نوٹ بک اس میٹرکس کو مناسب فیلڈز حاصل کرنے کے لیے کیسے انڈیکس کرتی ہے۔
A2D2 کے فارمیٹ سے تمام فیلڈز کو پارس کرنے کے ساتھ، ہم ترتیب فائل کو محفوظ کر سکتے ہیں اور اسے Amazon میں استعمال کر سکتے ہیں۔ سیج میکر گراؤنڈ ٹروتھ ان پٹ مینی فیسٹ فائل لیبلنگ کا کام شروع کرنے کے لیے۔ یہ لیبلنگ کام ہمیں 3D ماڈل ٹریننگ کے لیے نیچے کی طرف استعمال کرنے کے لیے 3D باؤنڈنگ باکس لیبل بنانے کی اجازت دیتا ہے۔
نوٹ بک کے اختتام تک تمام سیلز چلائیں، اور یقینی بنائیں کہ آپ اسے تبدیل کر رہے ہیں۔ workteam
ایمیزون سیج میکر گراؤنڈ ٹروتھ کے ساتھ اے آر این workteam
ARN آپ نے ایک شرط بنائی ہے۔ لیبل لگانے کے تقریباً 10 منٹ کے بعد، آپ کو ورکر پورٹل پر لاگ ان کرنے اور استعمال کرنے کے قابل ہونا چاہیے۔ لیبلنگ یوزر انٹرفیس اپنے منظر کو دیکھنے کے لیے۔
صاف کرو
AWS CloudFormation اسٹیک کو حذف کریں جسے آپ نے استعمال کیا ہے۔ اسٹیک لانچ کریں۔ نام کا بٹن ThreeD
AWS CloudFormation کنسول میں اس پوسٹ میں استعمال ہونے والے تمام وسائل کو ہٹانے کے لیے، بشمول کسی بھی چل رہی مثالوں کو۔
تخمینہ شدہ اخراجات۔
5 گھنٹے کے لیے تخمینی لاگت $2 ہے۔
نتیجہ
اس پوسٹ میں، ہم نے دکھایا کہ 3D ڈیٹا کیسے لیا جائے اور اسے Amazon SageMaker Ground Truth میں لیبلنگ کے لیے تیار فارم میں تبدیل کیا جائے۔ ان اقدامات کے ساتھ، آپ آبجیکٹ کا پتہ لگانے کے ماڈل کی تربیت کے لیے اپنے 3D ڈیٹا کو لیبل لگا سکتے ہیں۔ اس سیریز کی اگلی پوسٹ میں، ہم آپ کو A2D2 لینے اور ڈیٹا سیٹ میں پہلے سے موجود لیبلز پر آبجیکٹ ڈیٹیکٹر ماڈل کو تربیت دینے کا طریقہ دکھائیں گے۔
مبارک عمارت!
مصنفین کے بارے میں
آئزک پریویٹیرا میں ایک سینئر ڈیٹا سائنسدان ہے۔ ایمیزون مشین لرننگ سلوشنز لیبجہاں وہ گاہکوں کے کاروباری مسائل کو حل کرنے کے لیے مخصوص مشین لرننگ اور گہری سیکھنے کے حل تیار کرتا ہے۔ وہ بنیادی طور پر کمپیوٹر ویژن اسپیس میں کام کرتا ہے، AWS صارفین کو تقسیم شدہ تربیت اور فعال سیکھنے کے قابل بنانے پر توجہ مرکوز کرتا ہے۔
ودیا ساگر روی پتی۔ میں مینیجر ہے۔ ایمیزون مشین لرننگ سلوشنز لیبجہاں وہ بڑے پیمانے پر تقسیم شدہ نظاموں میں اپنے وسیع تجربے اور مشین لرننگ کے اپنے جذبے سے فائدہ اٹھاتا ہے تاکہ صنعت کے مختلف حصوں میں AWS صارفین کو ان کے AI اور کلاؤڈ کو اپنانے میں تیزی لا سکے۔ اس سے پہلے، وہ ایمیزون میں کنیکٹیویٹی سروسز میں مشین لرننگ انجینئر تھا جس نے پرسنلائزیشن اور پیشین گوئی کرنے والے مینٹیننس پلیٹ فارم بنانے میں مدد کی۔
جیریمی فیلٹرکو ویں کے ساتھ سافٹ ویئر ڈویلپمنٹ انجینئر ہے۔ ایمیزون مشین لرننگ سلوشنز لیب ایمیزون ویب سروسز پر۔ وہ اپنے پس منظر کو کمپیوٹر وژن، روبوٹکس اور مشین لرننگ میں استعمال کرتا ہے تاکہ AWS صارفین کو اپنے AI کو اپنانے کو تیز کرنے میں مدد کی جا سکے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/using-amazon-sagemaker-with-point-clouds-part-1-ground-truth-for-3d-labeling/
- : ہے
- $UP
- 000
- 1
- 10
- 100
- 1996
- 2D
- 3d
- 7
- 9
- a
- قابلیت
- ہمارے بارے میں
- اوپر
- رفتار کو تیز تر
- تک رسائی حاصل
- قابل رسائی
- اکاؤنٹ
- کے پار
- فعال
- اس کے علاوہ
- پتہ
- منہ بولابیٹا بنانے
- کے بعد
- آگے
- AI
- منسلک
- تمام
- کی اجازت دیتا ہے
- پہلے ہی
- ایمیزون
- ایمیزون کاگنیٹو
- ایمیزون سیج میکر
- ایمیزون سیج میکر گراؤنڈ ٹروتھ
- ایمیزون ویب سروسز
- اور
- کسی
- اپلی کیشن
- کا اطلاق کریں
- مناسب
- تقریبا
- فن تعمیر
- کیا
- علاقوں
- ارد گرد
- لڑی
- AS
- منسلک
- At
- اضافہ
- فروزاں حقیقت
- خود مختار
- دستیابی
- AWS
- AWS کلاؤڈ فارمیشن
- واپس
- پس منظر
- BE
- کیونکہ
- بن
- اس سے پہلے
- کیا جا رہا ہے
- نیچے
- کے درمیان
- بلیو
- باکس
- آ رہا ہے
- براؤزر
- تعمیر
- عمارت
- بس
- کاروبار
- بٹن
- by
- کہا جاتا ہے
- کیمرہ
- کر سکتے ہیں
- قبضہ
- گرفتاری
- کار کے
- کاریں
- کیس
- خلیات
- سینٹر
- چیلنج
- چیک کریں
- میں سے انتخاب کریں
- طبقے
- کلاس
- قریب
- بادل
- بادل اپنانا
- کوڈ
- کامن
- کمپنیاں
- مکمل
- کمپیوٹنگ
- کمپیوٹر
- کمپیوٹر ویژن
- اعتماد سے
- رابطہ
- کنسول
- پر مشتمل ہے
- پر مشتمل ہے
- تبادلوں سے
- تبادلوں
- تبدیل
- تبدیل
- محدد
- قیمت
- سرمایہ کاری مؤثر
- احاطہ
- تخلیق
- بنائی
- پیدا
- مخلوق
- گاہکوں
- CX
- اعداد و شمار
- ڈیٹا سائنسدان
- ڈیٹاسیٹس
- تواریخ
- گہری
- گہری سیکھنے
- کی وضاحت
- وضاحت کرتا ہے
- مظاہرہ
- demonstrated,en
- ثبوت
- تعیناتی
- تعینات
- تعیناتی
- گہرائی
- بیان
- بیان کیا
- کھوج
- کا تعین کرنے
- ترقی
- تیار ہے
- کے الات
- فرق
- مختلف
- مشکل
- سمت
- بات چیت
- تقسیم کئے
- تقسیم شدہ نظام
- تقسیم کی تربیت
- دستاویزات
- نہیں
- ڈاؤن لوڈ، اتارنا
- ڈرائیونگ
- e
- ہر ایک
- آسانی سے
- کو فعال کرنا
- اختتام پوائنٹ
- انجینئر
- کو یقینی بنانے کے
- ماحولیات
- خاص طور پر
- ضروری
- وغیرہ
- بھی
- بالکل
- مثال کے طور پر
- توقعات
- توقع
- تجربہ
- سامنا کرنا پڑا
- چند
- میدان
- قطعات
- اعداد و شمار
- فائل
- فائلوں
- ختم
- پہلا
- سچل
- بہاؤ
- توجہ مرکوز
- توجہ مرکوز
- کے بعد
- کے لئے
- فارم
- فارمیٹ
- آگے
- ملا
- فریم
- مفت
- سے
- سامنے
- تقریب
- فیوژن
- FX
- پیدا
- پیدا
- حاصل
- GIF
- جاؤ
- GitHub کے
- Go
- جاتا ہے
- سبز
- گراؤنڈ
- بڑھتے ہوئے
- ہینڈل
- ہے
- ہونے
- سرخی
- مدد
- مدد
- مدد گار
- ہوسٹنگ
- HOURS
- کس طرح
- کیسے
- تاہم
- HTML
- HTTPS
- i
- آئکن
- کی نشاندہی
- تصویر
- تصاویر
- امیجنگ
- پر عملدرآمد
- اہم
- in
- دیگر میں
- شامل
- شامل ہیں
- سمیت
- اضافہ
- دن بدن
- انڈیکس
- صنعت
- معلومات
- ان پٹ
- مثال کے طور پر
- ہدایات
- دلچسپی
- دلچسپی
- انٹرفیس
- IT
- میں
- ایوب
- نوکریاں
- فوٹو
- JSON
- بچے
- جان
- لیبل
- لیبل
- لیبل
- بڑے پیمانے پر
- لیزر
- شروع
- جانیں
- سیکھنے
- چھوڑ دو
- لیتا ہے
- روشنی
- کی طرح
- لسٹ
- لوڈ
- بوجھ
- واقع ہے
- محل وقوع
- دیکھو
- تلاش
- دیکھنا
- مشین
- مشین لرننگ
- دیکھ بھال
- بنا
- بناتا ہے
- میں کامیاب
- مینیجر
- انتظام کرتا ہے
- تعریفیں
- میٹرکس
- کا مطلب ہے کہ
- پیمائش
- طریقہ
- منٹ
- ML
- موبائل
- موبائل آلات
- ماڈل
- ماڈل
- کی نگرانی
- زیادہ
- سب سے زیادہ
- تحریک
- ایک سے زیادہ
- نام
- نامزد
- ضرورت ہے
- نئی
- اگلے
- نوٹ بک
- تعداد
- عجیب
- اعتراض
- آبجیکٹ کا پتہ لگانا
- اشیاء
- of
- on
- ایک
- کھول
- OpenCV
- کام
- اختیار
- دیگر
- پیداوار
- مجموعی طور پر
- خود
- صفحہ
- متوازی
- پیرامیٹرز
- حصہ
- خاص طور پر
- جذبہ
- راستہ
- انجام دیں
- شخصی
- جسمانی
- پائپ لائن
- دانہ
- پلیٹ فارم
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوائنٹ
- پوائنٹس
- پورٹل
- پوزیشن
- پوزیشنوں
- مثبت
- پوسٹ
- پیشن گوئی
- تیار
- پچھلا
- پہلے
- بنیادی طور پر
- نجی
- مسائل
- عمل
- پیداوار
- پروفائلنگ
- پیش رفت
- منصوبے
- پروجیکشن
- فراہم
- فراہم کرتا ہے
- لے کر
- شرح
- خام
- پڑھیں
- پڑھنا
- تیار
- اصل وقت
- حقیقت
- ریکارڈنگ
- ریڈ
- کہا جاتا ہے
- جھلکتی ہے
- خطے
- متعلقہ
- متعلقہ
- باقی
- ہٹا
- کی جگہ
- کی نمائندگی
- ضرورت
- کی ضرورت ہے
- وسائل
- وسائل
- نتائج کی نمائش
- واپسی
- کا جائزہ لینے کے
- RGB
- روبوٹکس
- کردار
- چھت
- ROW
- رن
- چل رہا ہے
- s
- sagemaker
- اسی
- محفوظ کریں
- منظر
- مناظر
- سائنسدان
- تلاش کریں
- دوسری
- سیکشن
- انقطاع
- سینئر
- سینسر
- تسلسل
- سیریز
- سروسز
- سیٹ اپ
- مختصر
- ہونا چاہئے
- دکھائیں
- دکھایا گیا
- شوز
- کی طرف
- اشارہ
- بعد
- ایک
- So
- سافٹ ویئر کی
- سوفٹ ویئر کی نشوونما
- حل
- حل
- کچھ
- ماخذ
- خلا
- خالی جگہیں
- خاص طور پر
- ڈھیر لگانا
- معیار
- شروع کریں
- مرحلہ
- مراحل
- ساخت
- فراہمی
- حمایت
- تائید
- کی حمایت کرتا ہے
- سطح
- سسٹمز
- ٹیبل
- لے لو
- لیتا ہے
- ھدف بندی
- کاموں
- سانچے
- ٹیسٹ
- کہ
- ۔
- کے بارے میں معلومات
- ان
- یہ
- تین
- کے ذریعے
- وقت
- عنوان
- کرنے کے لئے
- کے آلے
- سب سے اوپر
- کل
- ٹریکنگ
- ٹرین
- ٹریننگ
- تبدیل
- ترجمہ
- علاج
- ٹرک
- سبق
- ٹھیٹھ
- عام طور پر
- ui
- کے تحت
- سمجھ
- افہام و تفہیم
- منفرد
- us
- استعمال کی شرائط
- رکن کا
- صارف مواجہ
- تصدیق کریں۔
- اقدار
- وسیع
- گاڑی
- گاڑیاں
- اس بات کی تصدیق
- عمودی
- ویڈیو
- لنک
- خیالات
- نقطہ نظر
- تصور
- راستہ..
- ویب
- ویب خدمات
- اچھا ہے
- جس
- جبکہ
- ڈبلیو
- وکیپیڈیا
- گے
- ساتھ
- کے اندر
- الفاظ
- کارکن
- افرادی قوت۔
- کام کرتا ہے
- لکھنا
- کوڈ لکھیں
- لکھا
- X
- یامل
- تم
- اور
- زیفیرنیٹ