샘플
스트리트 뷰 통계를 사용하면 Vertex AI Colab Enterprise를 사용하여 이미지 데이터 세트를 분석할 수 있습니다. 다음 예시에서는 다양한 기능을 보여줍니다.
환경 설정
이러한 모듈은 Vertex AI Colab Enterprise에서 실행되도록 설계되었습니다. 아래 안내에 따라 튜토리얼 노트북을 환경으로 가져옵니다.
- 노트북 가져오기: Colab Enterprise에서 파일 > 노트북 가져오기를 선택하고 'URI별' 옵션을 선택합니다.
- 복사 및 붙여넣기: 아래의 각 모듈 카드에 제공된 가져오기 URI를 복사하여 가져오기 대화상자에 붙여넣습니다.
- 파일 이름 바꾸기 (권장): 충돌을 방지하려면 가져온 노트북 파일의 이름을 바꾸는 것이 좋습니다. 예를 들어 파일 이름의 시작 부분에 사용자 이름을 추가합니다 (예:
{USERNAME}_filename.ipynb))를 제공합니다.
기본 모듈
이 모듈에서는 스트리트 뷰 인사이트를 시작하기 위한 기본적인 워크플로를 다룹니다.
1. 데이터 세트 이해하기
이미지 데이터 세트 구조 및 연결된 메타데이터를 탐색하고 시각화하는 소개 노트북입니다. 가져오기 URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
2. 전신주 분석
시각적 특징을 기반으로 전봇대를 식별하고 분류하는 핵심 분석 워크플로 가져오기 URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
3. 도로 표지판 분류
이미지에서 발견된 도로 표지판(예: 정지, 양보, 제한 속도 표지판)을 분류합니다. 가져오기 URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
고급 모듈
이러한 모듈은 소량 학습, 코드 실행과 같은 AI 기반 기능을 비롯한 더 복잡한 분석과 기법을 다룹니다.
4. 퓨샷 학습을 사용한 객체 감지
몇 가지 예시만으로 모델을 학습시켜 이미지에서 객체를 감지합니다. 희귀하거나 맞춤 객체를 식별하는 데 적합합니다.
참고: 퓨샷 예시
가져오기 URI: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
5. 첨부파일 감지
변압기, 크로스암, 절연체와 같은 다양한 전주 부착물의 경계 상자 (bbox) 감지
참고: 경계 상자 감지
가져오기 URI:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
7. 전봇대 높이 측정
객체 감지 및 기하학적 분석을 사용하여 이미지에서 전신주의 높이를 측정합니다.
참고: 구조 프롬프트
가져오기 URI:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
8. 평가 측정항목
업계 표준 컴퓨터 비전 측정항목을 사용하여 모델 성능 및 분석 결과를 평가합니다.
참고: 평가 모델 구성
가져오기 URI:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
9. 이미지 품질 분석
흐림, 조명과 같은 요소를 기반으로 이미지 품질을 평가하여 컴퓨터 비전 작업에 적합한지 확인합니다.
참고: 코드 실행
가져오기 URI:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb
지원
이러한 스트리트 뷰 인사이트 코드 샘플은 오픈소스 라이선스에 따라 제공됩니다. Google Maps Platform 지원 기술 지원 서비스 가이드라인, SLA 또는 지원 중단 정책이 적용되지 않습니다 (단, 라이브러리에서 사용하는 Google Maps Platform 서비스에는 Google Maps Platform 서비스 약관이 적용됨).
버그를 발견하거나 기능 요청이 있는 경우 GitHub에서 문제를 신고하세요. 다른 Google Maps Platform 개발자로부터 기술 관련 질문에 대한 답변을 받으려면 개발자 커뮤니티 채널 중 하나를 통해 질문하세요. 기여하고 싶다면 라이브러리 저장소의 기여 가이드를 확인하세요.