Exemples

Street View Insights peut vous aider à analyser les ensembles de données d'images à l'aide de Vertex AI Colab Enterprise. Les exemples suivants illustrent différentes fonctionnalités.

Configuration de l'environnement

Ces modules sont conçus pour être exécutés dans Vertex AI Colab Enterprise. Suivez les instructions ci-dessous pour importer les notebooks du tutoriel dans votre environnement :
  1. Importer un notebook : dans Colab Enterprise, sélectionnez Fichier > Importer un notebook, puis choisissez l'option "Par URI".
  2. Copier et coller : copiez l'URI d'importation fourni dans chaque fiche de module ci-dessous et collez-le dans la boîte de dialogue d'importation.
  3. Renommer le fichier (recommandé) : pour éviter les conflits, envisagez de renommer le fichier notebook importé, par exemple en ajoutant votre nom d'utilisateur au début du nom de fichier (par exemple, {USERNAME}_filename.ipynb).

Modules de base

Ces modules couvrent les workflows de base pour commencer à utiliser Street View Insights.
Notebook d'introduction pour explorer et visualiser la structure de l'ensemble de données d'imagerie et les métadonnées associées. URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
Afficher sur GitHub
Workflows d'analyse de base pour identifier et catégoriser les poteaux électriques en fonction de leurs caractéristiques visuelles. URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
Afficher sur GitHub
Classer les panneaux de signalisation routière trouvés dans les images, comme les panneaux Stop, Cédez le passage et Limitation de vitesse. URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
Afficher sur GitHub

Modules avancés

Ces modules couvrent des analyses et des techniques plus complexes, y compris des fonctionnalités optimisées par l'IA telles que l'apprentissage à partir de quelques exemples et l'exécution de code.
Détectez des objets dans des images en entraînant un modèle sur quelques exemples seulement. Cette méthode est idéale pour identifier des objets rares ou personnalisés.

Voir : Exemples few-shot

URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Object_detection_with_few_shot_learning/Object_detection_with_few_shot_learning.ipynb
Afficher sur GitHub
Détection des cadres de délimitation (bbox) pour divers accessoires de poteaux, tels que les transformateurs, les traverses et les isolateurs.

Voir : Détection de cadres de délimitation

URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
Afficher sur GitHub
Analyse avancée pour calculer l'angle d'inclinaison des poteaux à partir d'images, ce qui permet d'évaluer leur stabilité.

Voir : Exécution de code

URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Lean_angle_detection_of_pole/Utility_pole_lean_angle_detection.ipynb
Afficher sur GitHub
Mesurez la hauteur des poteaux électriques à partir d'images à l'aide de la détection d'objets et de l'analyse géométrique.

Voir : Structurer les requêtes

URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
Afficher sur GitHub
Évaluez les performances du modèle et les résultats de l'analyse à l'aide de métriques de vision par ordinateur conformes aux normes du secteur.

Voir : Configurer le modèle Judge

URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
Afficher sur GitHub
Évaluez la qualité des images en fonction de facteurs tels que le flou et l'éclairage pour vous assurer qu'elles conviennent aux tâches de vision par ordinateur.

Voir : Exécution de code

URI d'importation : 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb
Afficher sur GitHub

Assistance

Ces exemples de code Street View Insights sont proposés sous des licences Open Source. Elles ne sont pas régies par les Instructions relatives aux services d'assistance technique, le Contrat de niveau de service ni le Règlement relatif aux abandons de Google Maps Platform (toutefois, tous les services Google Maps Platform utilisés par les bibliothèques restent soumis aux conditions d'utilisation de Google Maps Platform).

Si vous trouvez un bug ou souhaitez demander l'ajout d'une fonctionnalité, envoyez une demande sur GitHub. Si vous souhaitez obtenir des réponses à des questions techniques d'autres développeurs Google Maps Platform, posez-les sur l'un de nos canaux de la communauté des développeurs. Si vous souhaitez contribuer, consultez les guides de contribution dans le dépôt de la bibliothèque.