やあ、私の名前のスティーブマクスウェル。
私午前をエンジニア。
私仕事のの半導体業界。
今日、わたしは行きますに与えるaプレゼンテーションの上どうやって私JMPを使う
のの建物のの画像分析パイプライン。
あ少し少しのバックグラウンドの上の問題。
二の私たちのモジュールグループで私たちの施設
走ったの中へを問題とa特徴
どこにだった浸食の上のサイドウォールのの特徴。
のSEMシステムそれか私たち使用済みに測定
のサイズのこれ特徴ではなかった検出これ特徴、
とそれしませんでしたもつの容量に特徴づけるこれ。
これはを古いピースの装置、しかしも支払ったためにそれで私たちいいねそれ。
のアプローチそれか私雇用されたにヘルプ彼ら外
だったに建てるa別分析パイプラインに分析する画像、
分類する画像それは持つ損傷するかどうか、
とそれ生産aメトリックそれかになり得るSPCに送られるシステムために追跡目的。
私使用主にJMPに分析するデータ、
に建てるaモデルシステム展開中と製造、
として良いとして、もっと最近、
統合いくつかののの実際画像分析の中へJSL。
病気見せるいくつかの例のそれか。
これはaサンプルの何それはそれかそうだった見ているで。
これはa良い画像の左-手側、
とこれはa悪い画像の上の右側。
私たちできる見るここの好き変化と浸食。
それは何私たちそうだった見ているためにのこれらは画像。
私たちできる見るからここそれかの測定、
どれのは終わりの上の中身のこれ
しません本当リセットにこれらは特徴その土地での同じスポット毎日時間。
そうだったいいえできるに使うだけで伝える私たちの普通メソッド。
これはa少し少しもっと詳細だいたい何私たちそうだった見る。
これはを例の何いくつかののそれかデータ見えた好き
もしも私たちできる見るからここそれかけれどのプロセスだった持つ問題、
私たちそうだったいいえ検出それとの測定値それか私たちそうだった使用しています。
立ち上げましたの中へをアプローチに住所これ問題。
私使用の標準ETLフォーマットためにほとんどのデータ化学問題。
エキス、変身、ロード。
私得たに壊すそれの中へ4つのカテゴリー、
構成、設定、収集、分析と報告。
設定してコレクション、標準メソッド。
分析、それはの鍵にこれ。
それはどうやってわたしは再処理の画像
とそれから抽出中指標ためにそれらの画像それか私たちできる使用に建てるaモデル
に決定どうにかまたいいえ、私たちできる探知の問題で手。
のアプローチためにそれか分析はに変換の画像からRGB,
どれのは来てオフの上のシステム、の測定システム、
と変換それらのにグレー規模。
そうして画像それはトリミングされた、削除どれでも測定詳細、
すべての好きそれか外の彼ら。
それからの次ステップはに申し込み中央値にこれらは画像。
の理由なぜするそれかはそうだった行きますにぼかしの画像
と削除いくつかのののノイズ外のの画像。
これはa鍵ステップために画像分析と画像処理。
のアプローチだった使用済みとしてを実験的アプローチ違うカーネルサイズ、
違うカーネル形、しかしのの終わり、は決着の上
使用してaディスク-形をしたカーネルとaピクセル半径の好き5、7 、 10、と15ピクセル。
ためにそれらのそれかそれはなじみのないとそれか用語、
カーネルは基本的ただを配列
それは使用済みにを悪化させる画像いつあなたはそれを再処理します。
後それかだった終わり、
抽出のの指標からの再処理された画像だった発展した、
使用済みいくつかの違う標準指標、
構造的類似性索引、平均二乗誤差、シャノンエントロピ、
それからa少し違うのようなものガウスバージョンのSSIM、
として良いとして見ているでの意味のの標準偏差のの
SSIM画像グラデーションからのガウス加重画像。
からそこに、使用次元割引テクニック
にエキスどれののそれらの指標だった多くの関連する、
に試すと建てるaモデル、予測的なモデル
とそれから変換それかの中へいくつかのそのメトリック
それかできるなれ簡単に解釈されたの上の製造業
その間ランニング製造。
一ののフォローアップの上これはいつやっているのメトリック抽出、
の参照画像エクスプロイトの画像それか
使用済みaカーネルとaピクセル半径で五、
とそれからの7、10、および 15カーネル半径は準備にそれか画像。
これショーa少し少しもっと詳細だいたい
何の分析パイプラインアプローチ見える好き。
のオフラインアプローチ、私たち始めるとの画像取得。
明らかに、これは終わりその間の製造業プロセス。
後それか、最初は、これ仕事だった終わりパイソン、
どれのだったに変換のグレースケール作物、でノイズ、の画像、
とそれから特徴世代メトリック抽出、 SSIM、
平均四角、エントロピ、計算、等
JMP JSLもっているaパイソンラッパーそれかあなたできる使用ために統合。
なに素晴らしいはあなたできる実際動くa多くのこれコード
のにのJMP環境。
病気行くの中へa少し少しもっと詳細だいたい何それかは
とどうやって私使用それはヘルプスピードこれプロセス平行。
の最後の成分のこれだったに発展a品質メトリック。
これはとてもJMP集中型ステップとして良い。
それから一度aメトリックは決定、
あなた動くそれか以上の中へをオンラインプロセス
のどれの、の製造業データは分析し、
そしてそれから情報は押されたにa SPCシステム。
あ少し少しもっとだいたいパイソン/ JSL統合、
の統合パイソン分析コードの中へJSL使用してパイソン/ JSLラッパー。
のデータ移行発生するに変換中JMPテーブルの中へパンダデータフレーム。
のデータフレームそれは合格したのを分析コード。
の結果それは戻ってきたからパイソンにJMPとしてaデータテーブル。
なに素晴らしいだいたいこれはそれ可能にする使用して
一般画像分析ライブラリスキイメージ、scipy、PIL、 OpenCV 、等、
に実行の仕事その間保つのデータ内部のJMP フレームワーク。
これ、の私の意見、だった鍵なぜならわたしはいいえ動くデータ
から一システムまた一プラットホームに別プラットホームと戻ると前方へ。
私だったできるに保つそれ全ての一スポット。
これはa少し少しもっと詳細だいたい
何の分析パイプラインはやっているいつこれは再処理の画像。
これは何私だったできるに動くからただランニングゆっくりのパイソン
に統合それの中へJSL使ってみましょう言う、パイソンライブラリ。
あなたできる見る、ここですa悪い、ここですa良い。
私たち切り取ったの画像のみに見せる
それだけ取った基本的これ成分のそれ、変換それにグレー、
とそれから申請中中くらいフィルターにぼかしの画像と違うカーネルサイズ
あなたのようにできる見るとして私たち増加のカーネルサイズ、
彼らなるa少し少しぼかします。
何私欲しいにテイクアウトを表示ここはためにa良い画像、あなたできる見る
のカーネルとディスクサイズ5対、 7対、 10対15,
見てかわいい似ているに一別.
一方ディスク5、ディスク7、ディスク10、ディスク15,の上a悪い画像、
あなたできる見るそれかに時間あなた得るにディスク15,
これ画像、またカーネルサイズ15,
これ画像は起動に見て似ているにこれ。
に削除するのノイズからこれ画像、
とそれからノイズ除去の画像徐々に
使用して違うカーネルサイズ。
目可能にするものです私たちに首尾よくエキス指標
それか私たちできる使用に区別する間の良い対の悪い。
ごめん、所有の上ここ。 私にさせて行く戻る上。
でこれ点、わたしは行きますに発売デモそれかショー
どうやってわたしは動くこれデータの中へJMP
とそれから何それ見える好きとしてそれ基本的再処理これもの。
どうやって私するそれかはの初めにすること私必要にするは私必要に建てるaデータテーブル。
これはa素晴らしい特徴JMPでは、
あなた行くにファイル、輸入多数ファイルここ。
それから何私は得たは私は得た基本的aサンプル設定ただの五画像
それかわたしは行きますにすべての t を組み合わせる一緒にの中へ一データテーブル。
何それしますはそれ実際輸入の画像として良いとしての画像ファイル名前。
あなた行くここ、クリックそれかファイル桁名前、クリック輸入、
と
何私たち得る、
はこれ。
私たちは得たを画像の私たちの写真それか私たち欲しいに分析します。
私たちは得たaファイル名前鬼ごっこ次にそれ。
私たちは得たのデータインポートされたイメージ。
今、の次ステップはに走る私たちの分析コード
に対して各のこれらは画像と始める抽出中指標。
私は得たあ...
変更されたバージョンのそれかコードここ。
の道これコード作品は
ありますaパイソン初期化それか発生するJSL。
その後一度それは終わり、
のデータテーブルそれかあなた欲しいに分析する
は過去八にパイソンとしてaデータフレーム。
でそれか点下のパイソン送信、
基本的、あなた変換以上にパイソンコード。
その後あなたは使用して標準アプローチ、
標準コーディング手順ためにパイソン
と分析するの画像、としてあなたできる見るここ、
私たちは私たちの図書館輸入、等
どうやって高いこれコードだった、基本的に探すa束の機能。
それからそれらの機能意思戻るを出力
それかだろう基本的得る追加した戻るの中へのデータフレーム
それかは押された戻る外にJMPの中へのデータテーブル。
それは終わりに使用してこれラムダ関数、
番目はラムダ関数が適用されますこれふNCション全て行、
これ指定桁ののデータフレームまたのJMPテーブル。
いつ私たち走るこれ...
私たちは何ですか行きますにするは取ったそれかテーブル私ただ造られた
とそうだった行きますにエキス、
しかし何そうだった行きますにするは再処理の画像とエキスの指標。
何私たち見るここはの画像それかそれは見せているついさっき。
私たちは取った私たちの写真、私たちは変換されたそれにグレー。
それから私たち始めました学ぶそれ。
私たちは得た5ピクセル半径カーネル7、 10と15.
それからからそこには、そうだった抽出中全ての私たちの違う指標。
SSわたしはために7 比較に5 SSIM。
SSIMは構造的類似性索引、
7 比較に5, 10 比較に5, 15 比較に5.
それは基本的何そうだったやって、は計算する構造的類似性索引
間これ画像とこの画像、
この画像とこの画像
そしてこの画像とこの画像。
もしも私たち行く戻るに私たちのプレゼンテーション、
からここ、私使用済みいくつかの違うアプローチために尋問のデータ。
最初は多変量
ロット相関に仕事とここ。
の赤を示します悪い画像、青を示します良い画像。
アン外れ値分析、ただ見ているでのマハラノビス距離、
ジャックナイフ距離。
それはただに見るどうにかまたいいえそうだった重く歪んだ、
あなたできる見るそれか私たちは得たもっと外れ値
のの悪い人口比較したにの良い。
しかし、私考えもしもあなた別これらは二外、
これ来る下a少し少し。
わたしは見せているこれただに見せるあなたできる行くのここ、
とあなたできる始めるトリミングいくつかののこれらは外もしもあなた欲しいに、
もしもあなたはいいえ見て良いフィットします。
しかしためにの目的のこれエクササイズ、
私しませんでしたもつに削除また隠れるどれでもデータのの分析。
私だったできるに使用全てとしてそれは。
しかしどうやって私したそれかだったここ。
これはの主要データテーブル。
これは全てのデータそれか私見えたで、ここ全ての画像。
私だろうただ行くに分析し、多変量メソッド、走るの多変量。
何私たち欲しいにするはただ行くとそれか、
実際、ごめん、のの2番ここ。
いつ分類、
私した使用会話の上の分類からaキャラクターベースt o振り向く。
ありますa素晴らしい特徴のここ。
私たちできる行くに桁、効用、とそれから作るインジケータ列。
あなたできる行くここで追加をクリックします桁名前。
何それしますはa少し言う、 "わかった、それかは一、ゼロ。"
ためにこれ行、これは悪い、いいえ良い。
それから、下ここに行く悪徳逆。
あなたできる使用それか情報
に餌の中へいくつかののの違うモデリングプラットフォーム
それかに行っていましたここを見てのa少し分。
戻るにのマルチ変動します。
行きますここ、行きますに走る全てこれらは。
しましょう走るこれプラットホーム。
それは面白い。
しましょう行くここ、私の悪い。
W eできる見る私たちの相関。
それからに得るの外れ値分析、
行くここ、クリック、
ごめん、行くの中へのマルチ変化させ、あなた行く下に外れ値分析。
あなた走るマハラノビス距離、あなたジャックナイフディスタンスを実行する.
あります違うアプローチはベースの上。
私はもっていたに得る成功このため。
これは最初のパス。
ルックス好き私たちは得た何かに仕事とここ。
の次ステップはに壊すこれらは下a少し少しもっと
に見てでどうやって各のの違う指標は応答する
に違うカーネルサイズ。
何そうだった本当見ているためにここは
取得する方法...
私たち始めるに見る大きい変化ののカーネルサイズ。
それはの行まだ重複と一別？
そうだった起動に見る分離。
見ているで15の上悪い、 対15はいいけど
15は悪い、 15人がいい構造用類似性のMSE
そして、私たちはできる始めるに見るそれか、そうだった見て分離ここ。
私考えそれかはa良いインジケータ
それか私たちしたほうがいいなれできるにエキス何かからこれ。
それかだった終わり使用してのグラフビルダーデモ。
私は得たデータテーブル造られた
具体的にはためにこれ
グラフビルダー、素晴らしい特徴ここ。
わたしはダンピングのカーネルサイズ。
わたしは見ているの価値の通信網、
これらはの中へグループベースの上良い対悪い分類コード。
それから私の画像メトリックは行きますに使用ページ。
ここ私ただ行く作成a線形フィット
それか見てで高度ために予測、 R²。
方程式をポップするだけですはそこには。
あなたできる見るの良さののフィット。
私する好き見ているで元気づけるポイント。
ためにこれ、いつ私使用済み中央揃えのグリッドと動くこれ平行。
これはただ簡単その周りの目ためにプレゼンテーション目的。
あなたできるスクロール終えたここ、
とこれは得たために各のこれらは本当良い見ているグラフにプレビューします。
に基づくのマルチ変化させ、これ線形フィット、
わたしはフィーリングかわいい良いだいたいのデータ
それか私たち抽出されたからこれらは画像。
の次ステップは、私たちは得たa多くの指標それか私たちは抽出されたからこれらは。
すべてを行うそれの案件、するいくつかののそれ案件？
の次カップルスライド、私たち行く以上次元割引。
具体的には、私使用済みa PCAと部分的B正方形ためにこれPCA。
とこれは分類、悪い対良い。
これ行きます戻るに何私だったデモ中ついさっき
とのデータテーブル。
いつあなたは建物a PCA、あなた欲しいにもつ、明らかに、
あなたの入力とあなたの出力リキャストとしてベクトルのそれか分析。
の理由なぜあなた欲しいそれかはなぜなら
あなたは見ているためにノンオ直交性とよろしくにあなたの入力とあなたの出力します。
のもっと直交、彼らそれはに一別、
の以下おそらく彼らは遊んでいるaでの役割なに行きますの上。
リキャスト
aキャラクター-ベース分類の中へa番号作りますそれか簡単に仕事と。
私たちできる見るここ、私たちは得たいくつかのここそれか見て好き彼らできるなれ面白い。
いくつかののこれらはそれは面白い。
私ハイライトこれらはに走るこれ分析
と単に取った私のデータテーブルそれか私構築された、
行くここ、分析、予測モデリング。
ごめん、多変量、プリンシパルコンポーネント。
何そうだった行きますにするはキャスト良い、悪い分類、
と全ての私たちの違う指標の中への分析。
見るここ、これらは面白そう。
これらはそうだった特に面白い。
なに良いはいつあなたハイライトこれらは、
とあなた行く戻るとあなた見てであなたのデータテーブル、
それはハイライトどれの問題あなた選択されました。
しばしばPTできる得る本当忙しい、
それでこれはハンディになれできるに行く参照し、次のように言います。
"わかった、それでこれらはそれはのものそれかわたしは実際興味があるの。"
しましょう得る戻るにここ。
後これ、のa PLS、これはもっとために
ターゲティングどうやって多くの要因私たち考えそれは遊んでいるa役割
ののデータそれか私たちは得た、
として良いとして助ける私たち識別追加指標
それかそうかもしれないなれ面白い。
ためにこれ特にデータ設定、
それ見える好きそれ落ち着くのとだいたい
おそらく最小五要因それか私たちだろう予想
それか来るからこれ問題大きいよりも
ファン・デル・ヴォートT²メトリックベースの上の仕事のマニュアル、
彼ら参照したaアカデミックことを示す研究
なんでも行きますだいたい0.1は通常どこあなた欲しいに始めるで。
からそこには、私たち走るのPLS要素身元。
これはあなたのVIP対係数プロット、
とからそこに、あなたできるハイライトの違う
指標それか思われるになれ運転中これ、のものそれかそれは多くの関連する。
の道それか作品見ているでこれらはチャートはあなた欲しいに行く外にの極端。
これらはそれは面白い。
としてそれ取得近く、近くにのゼロ係数、
これは以下面白い。
わたしはいいえ行きますに走るのPLSプラットホーム
なぜならこれ意思実際取ったaその間に走る。
私しないでください考え誰望むにただ時計私のコンピューター走る
これをしている間。
に基づく私たちの寸法割引、
私終了しました上とこれらは要因であることの多くの関連する
とよろしくに何それはそれか私たち欲しいに餌の中へのニューラル通信網。
いくつかの実験、私見つかったそれかそれだった主にのPLS結果、
とそれからの標準10メートルからのPCAとして良い
いつそれかだった追加したの、
それ本当助けた引くのモデル一緒。
トレーニング対検証。
明らかに、わたしは使用してaニューラル通信網に建てるのモデルためにの分類子。
の理由なぜわたしは使用してそれかプラットホーム具体的にはためにこれ、
それもっているK折り検証予約済みのの上これは標準ののJMPプラットフォーム、
どれのは素晴らしい。
私は見つかったそれかKFオールズ役立ちますに補償
いつあなたはぐらつくの上クラス不均衡。
それはa本当一般問題いつあなたは取引と、
勉強する製造業プロセス。
よ私たちはいいえ行きますにもつa多くのの不良品データに仕事と。
あなたは本当得たに作るの一番の何あなたはを得た。
私探すそれか時々 Kフォールドが役立ちますそれか。
の出力からのニューラル通信網だったかわいい良い、実際。
の道私するこれは病気走るこれモデル、好きだいたい五回、
とそれから病気すべてを比較の5つ彼ら一つに別。
病気取った基本的の中央値、これ分類レート、
とそれから行く下ここと見てで私たちの偽ポジティブと間違いネガティブ料金。
とよろしくに、
の間違いポジティブレート。
私見てでのROC曲線。
これはaひみつオペレーター特徴曲線。
あなた欲しいに見てでこれらは、
彼ら欲しいになれ説明されたとして高くてきつい、
のクローザーこれらは行得るにこれ真ん中ライン、
のクローザーあなたの取得にのコインパスとあなたのの予測。
明らかに、それかはいいえ何そうだった見てここ。
それからの予測プロファイラもっているいくつかの素晴らしい特徴
なぜならあなたできる基本的並べ替えこれらはベースの上
どれのそれは遊んでいるの最大役割のの予測、
として良いとして可視化、好き何各個人メトリックはやっている
とよろしくに遊んでいるa役割のの予測自体。
のこれ場合、
そうだった見ているでトランジションのの支配的寸法ここ。
こちらですa少し少し変。
わたしはいいえもちろんなに行きますの上それと。
あsあなた得る戻るここ、どこの以下支配的寸法、
あなたできる始めるに見る彼らなるもっと押した。
病気走るのデモためにのニューラル通信網。
私たち行くここ。
分析します。
あ実際、私は得たこれ一造られたすでに。
私にさせて...
私たち発売これ分析。
私たちは含まれている私たちの要因、私たちの反応それは分類。
ニューラル通信網しませんお手入れ
もしもあなたは使用してa数値またキャラクター-ベース応答。
それか意思仕事とまた一。
ここ、ために検証方法、
あなたはK-Foldを持っています。使用して五つ折り。
の金標準ために多くの好きAI型分析は十。
私見つかったこれ五だった大丈夫
それでいいえ理由に押すそれ。
私使用三つ隠れたノード。
ヒットゴー、そしてここにある出力。
好き私言った、病気走るこれおそらく
五回、読み取り値を取るあなたできる見るここ。
私たちの分類はかわいい良い。
良い見るa少し少し変化の上の検証設定。
しかしこれは全て内部理由ために何それはそれかわたしは見ているために
とよろしくにのプロファイラとのROC曲線。
あなた得る下ここ、どれのROC曲線あなたできる見るここ、
として私説明されたついさっき、これ身長特徴の上の曲線。
検証、多分a少し少し以下、しかし我々はできる仕事とそれ。
それからとよろしくにのプロファイラー。
プロファイラーの出力見える好きこれ。
それしません整える彼らとどれの一は多くの関連する。
あなた行くここ
とあなた行くに評価変数重要性、独立ユニフォーム入力。
行く戻る上ここ、私たちできる見るaまとめ報告。
ここ、あなた行く下に変数重要性、メニュー。
からここ、あなたできる並べ替え要因に主要効果の重要性。
ためにこれモデル、それ並べ替えたこれ道、
色付けします。
あなたできる見るここ私たちは得たのより暗い色ほとんどです関連する
とそれからそれ動くにの右。
どれどれ。
変換中のモデルにをSPCメトリック、に作るのデータより簡単にに解釈、
私たち必要に取ったの結果からのモデル変換されたの中へメトリック
ができるなれ投稿したにSPCシステムとプロットしたの上SPCチャート。
のアクティベーション成分ののニューラル通信網モデルはa柔らかい地図関数
それはa標準JMPで。
これ計算するの確率のを画像であること良いまた悪い、
とのより高いの二結果としてととの画像分類されたとして
と何そうだった行きますにするここは行きますに導入a 3 番目の指標知らない。
病気見せるa少し少しだいたいどうやってそれかは終わり。
一のの良いものだいたいのニューラル通信網プラットホーム
はのSASデータステップ出力ファイルは実際好きa Pythonicモデル脚本。
通常ためにメートル法、あなた欲しいこれのパイソン、
それはなれ本当いいね、
忘れたどうやってにするそれ全てのJMP。
これコードからのニューラル通信網ここ、
の実際モデル自体できるなれ出力したのこれフォーマット。
あなたただ行くにモデルと作るSASデータS温度
ここ私たち行く。
私考えJMP Proでは、あなたできるただ出力それにパイソン直接、
しかしいいえみんなもっているアクセスにJMP プロ。
それ取得また80 %のの道そこには、
いいえ100 %。
それただ必要a少し変更のの実際コード。
の上の左手側、私たちは得たのSASデータS温度フォーマット。
の上の右側、これはの会話のそれにのパイソン。
これはただインポートそれとしてインポートの算数図書館、
とそれから申請中それかそれで私たちできる取ったの正接にもの。
それからあなた得るそれかここ。
何私たち欲しいにするはしきい値、
私たちのものしばしば斧確率計算そうだったやっているこれ、
それよりもよりもただ言って、どちらでものこれらは、
は最高はあなたの実際結果。
もしもこれは0.5 1、悪い、 0.49 、良い、それからそれはするつもりですなれ悪い。
は私たち行くと私たち言う、 "わかった、もしものソフトマックス出力は大きいよりも0.75
それからこれはそれか分類子、なぜならそれはなれ同等と反対。"
それはなれ許容できる一。
もしもこれは0.75悪いこれは悪い、
しかしもしもこれはa番号以下よりもそれか、それしません分類するそれとして良いまた悪い。
それはただ分類されたとして知らない。
良い合格それかの中へ私たちのシステム。
何それか言う私たちにするは誰か見てでそれらの画像、
なぜならの分類器できない決定どうにかまたいいえこれは良いまた悪い。
の出力、とこれはの終了した製品、
はに変換、好き私言った、
最終メトリックの中へ何かそれかできるなれ報告私たちの中でSPCシステム。
基本的、何そうだったやっているここはただ実際報告
何私たちのソフトム斧確率は、
取るの逆のそれか、とそれから申請中のしきい値
に決定どうにかまたいいえものそれは知られているまた知らない。
に基づくそれか、これは私たちのイニシャルデータ
それか私は示したでの始まりののプレゼンテーション
それかショーこれはのチャート見て好きためにの測定のの欠陥。
それからこれは何私たち得るいつ私たち行くの
と私たち再分析するそれかデータと申し込みこれ新しいメトリック、
どれの言う私たちどうにかまたいいえそれと思うそれかあります側壁特徴、
あなたできる見る見ているでの同じデータ設定
それかはい、それとても多くのそれで識別するそれかとしてまた良いまた悪い。
の緑を示しますそれはa良い。
の赤を示しますそれらのそうだった分類されたとして悪い。
それからあなたできる見るここの上SPCデータ、
彼らだろう即座に得るフラグ付きとして悪いとして良い。
これらは青ものぶら下げ外ここ
はものそれかそれは知らないそれかそれは言う私たちそれで多くの、
"行く見てでこれ。"
それかは私のプレゼンテーション。
私は投稿したの情報にのユーザーコミュニティサイト
もしも誰望むアクセスにのコード
それは使用済みためにの画像分析それかはそこには。
感謝あなたとても多くの。
