نمونهها
Street View Insights میتواند به شما در تجزیه و تحلیل مجموعه دادههای تصویری با استفاده از Vertex AI Colab Enterprise کمک کند. مثالهای زیر قابلیتهای مختلف را نشان میدهند.
راه اندازی محیط
این کارگاه برای اجرا در Vertex AI Colab Enterprise طراحی شده است. برای وارد کردن دفترچههای آموزشی به محیط خود، دستورالعملهای زیر را دنبال کنید:
- وارد کردن دفترچه یادداشت: در Colab Enterprise، مسیر File > Import notebook را انتخاب کنید و گزینه "By URI" را انتخاب کنید.
- کپی و چسباندن: آدرس اینترنتی (URI) مربوط به وارد کردن اطلاعات که در هر کارت ماژول زیر ارائه شده است را کپی کرده و در پنجرهی محاورهای وارد کردن اطلاعات، جایگذاری کنید.
- تغییر نام فایل (توصیه شده): برای جلوگیری از تداخل، تغییر نام فایل نوتبوک وارد شده را در نظر بگیرید، برای مثال با اضافه کردن نام کاربری خود به ابتدای نام فایل (مثلاً
{USERNAME}_filename.ipynb).
ماژولهای پایه
این ماژولها، گردشهای کاری اساسی برای شروع کار با Street View Insights را پوشش میدهند.
۱. مجموعه دادههای خود را درک کنید
دفترچه یادداشت مقدماتی برای بررسی و تجسم ساختار مجموعه دادههای تصویری و فرادادههای مرتبط. وارد کردن آدرس اینترنتی:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
۲. تحلیل تیر برق
گردشهای کاری تحلیل هسته برای شناسایی و دستهبندی تیرهای برق بر اساس ویژگیهای بصری آنها. وارد کردن آدرس اینترنتی:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
۳. علائم راهنمایی و رانندگی را طبقهبندی کنید
علائم جادهای موجود در تصاویر، مانند علائم ایست، حق تقدم و محدودیت سرعت را طبقهبندی کنید. وارد کردن آدرس اینترنتی:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
ماژولهای پیشرفته
این ماژولها، تحلیلها و تکنیکهای پیچیدهتری را پوشش میدهند، از جمله ویژگیهای مبتنی بر هوش مصنوعی مانند یادگیری چند مرحلهای و اجرای کد.
۴. تشخیص شیء با یادگیری چند مرحلهای
تشخیص اشیاء در تصاویر با آموزش مدل تنها با چند مثال - ایدهآل برای شناسایی اشیاء نادر یا سفارشی.
ببینید: نمونههای کم حجم
وارد کردن آدرس اینترنتی: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
۵. تشخیص پیوست
تشخیص جعبه اتصال (bbox) برای اتصالات مختلف قطب، مانند ترانسفورماتورها، کراس آرمها و عایقها.
ببینید: تشخیص جعبه محصورکننده
وارد کردن آدرس اینترنتی:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
۶. تشخیص زاویه خمیدگی
تجزیه و تحلیل پیشرفته برای محاسبه زاویه خمیدگی تیرکها از تصاویر، که میتواند برای ارزیابی پایداری تیرک مورد استفاده قرار گیرد.
ببینید: اجرای کد
وارد کردن آدرس اینترنتی:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Lean_angle_detection_of_pole/Utility_pole_lean_angle_detection.ipynb
۷. اندازهگیری ارتفاع تیر برق
اندازهگیری ارتفاع تیرهای برق از روی تصاویر با استفاده از تشخیص شیء و تحلیل هندسی.
ببینید: دستورالعملهای ساختاری
وارد کردن آدرس اینترنتی:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
۸. معیارهای ارزیابی
ارزیابی عملکرد مدل و نتایج تحلیل با استفاده از معیارهای استاندارد بینایی کامپیوتر در صنعت.
ببینید: پیکربندی مدل قاضی
وارد کردن آدرس اینترنتی:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
۹. تحلیل کیفیت تصویر
کیفیت تصویر را بر اساس عواملی مانند تاری و روشنایی ارزیابی کنید تا از مناسب بودن آن برای وظایف بینایی کامپیوتر اطمینان حاصل شود.
ببینید: اجرای کد
وارد کردن آدرس اینترنتی:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb