Образцы

Street View Insights поможет вам анализировать наборы изображений с помощью Vertex AI Colab Enterprise. В следующих примерах показаны различные возможности.

Настройка среды

Этот семинар предназначен для проведения в Vertex AI Colab Enterprise . Следуйте инструкциям ниже, чтобы импортировать учебные блокноты в вашу среду:
  1. Импорт блокнота: в Colab Enterprise выберите Файл > Импорт блокнота и выберите параметр «По URI».
  2. Копировать и вставить: скопируйте URI импорта, указанный в каждой карточке модуля ниже, и вставьте его в диалоговое окно импорта.
  3. Переименовать файл (рекомендуется): чтобы избежать конфликтов, рассмотрите возможность переименования импортированного файла блокнота, например, добавив свое имя пользователя в начало имени файла (например, {USERNAME}_filename.ipynb ).

Базовые модули

Эти модули охватывают основные рабочие процессы для начала работы с Street View Insights.
Вводный блокнот для изучения и визуализации структуры набора изображений и связанных метаданных. Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
Посмотреть на GitHub
Основные аналитические процессы для идентификации и классификации опор линий электропередачи на основе их визуальных характеристик. Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
Посмотреть на GitHub
Классифицируйте дорожные знаки, найденные на изображениях, такие как «Стоп», «Уступите дорогу» и «Ограничение скорости». Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
Посмотреть на GitHub

Расширенные модули

Эти модули охватывают более сложные анализы и методы, включая функции на базе ИИ, такие как обучение с несколькими попытками и выполнение кода.
Обнаруживайте объекты на изображениях, обучая модель всего на нескольких примерах — идеально подходит для идентификации редких или нестандартных объектов.

См.: Примеры нескольких снимков

Импорт 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
Посмотреть на GitHub
Обнаружение ограничивающей рамки (bbox) для различных полюсных креплений, таких как трансформаторы, траверсы и изоляторы.

См.: Обнаружение ограничивающей рамки

Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
Посмотреть на GitHub
Расширенный анализ для расчета угла наклона столбов по изображениям, который можно использовать для оценки устойчивости столба.

См.: Выполнение кода

Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Lean_angle_detection_of_pole/Utility_pole_lean_angle_detection.ipynb
Посмотреть на GitHub
Измерьте высоту опор линий электропередач по снимкам, используя обнаружение объектов и геометрический анализ.

См.: Подсказки по структуре

Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
Посмотреть на GitHub
Оцените производительность модели и результаты анализа, используя стандартные для отрасли показатели компьютерного зрения.

См.: Настройка модели судьи

Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
Посмотреть на GitHub
Оцените качество изображения на основе таких факторов, как размытость и освещение, чтобы убедиться в его пригодности для задач компьютерного зрения.

См.: Выполнение кода

Импорт URI:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb
Посмотреть на GitHub