نماذج

يمكن أن تساعدك ميزة Street View Insights في تحليل مجموعات بيانات الصور باستخدام Vertex AI Colab Enterprise. تعرض الأمثلة التالية إمكانات مختلفة.

إعداد البيئة

تم تصميم ورشة العمل هذه ليتم تشغيلها في Vertex AI Colab Enterprise. اتّبِع التعليمات التالية لاستيراد دفاتر الملاحظات التعليمية إلى بيئتك:
  1. استيراد ورقة ملاحظات: في Colab Enterprise، انقر على ملف > استيراد ورقة ملاحظات واختَر الخيار "حسب عنوان URI".
  2. النسخ واللصق: انسخ معرّف الموارد المنتظم (URI) للاستيراد المقدَّم في كل بطاقة وحدة أدناه والصِقه في مربّع حوار الاستيراد.
  3. إعادة تسمية الملف (يُنصح بذلك): لتجنُّب حدوث تعارضات، ننصحك بإعادة تسمية ملف دفتر الملاحظات الذي تم استيراده، مثلاً عن طريق إضافة اسم المستخدم إلى بداية اسم الملف (مثل {USERNAME}_filename.ipynb).

الوحدات الأساسية

تتناول هذه الوحدات سير العمل الأساسي لبدء استخدام "إحصاءات التجوّل الافتراضي".

1- فهم مجموعة البيانات

دفتر ملاحظات تمهيدي لاستكشاف بنية مجموعة بيانات الصور وعرضها بشكل مرئي والبيانات الوصفية المرتبطة بها معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
عرض على GitHub
سير عمل التحليل الأساسي لتحديد أعمدة المرافق وتصنيفها استنادًا إلى ميزاتها المرئية معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
عرض على GitHub
تصنيف لافتات الطرق التي تم العثور عليها في الصور، مثل لافتات "توقّف" و"إفساح الطريق" و"حدود السرعة" معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
عرض على GitHub

الوحدات المتقدّمة

تتناول هذه الوحدات تحليلات وأساليب أكثر تعقيدًا، بما في ذلك الميزات المستندة إلى الذكاء الاصطناعي، مثل التعلّم من أمثلة قليلة وتنفيذ الرموز البرمجية.
رصد العناصر في الصور من خلال تدريب نموذج على بضعة أمثلة فقط، وهو مثالي لتحديد العناصر النادرة أو المخصّصة

اطّلِع على: أمثلة على التلقين ببضع لقطات

معرّف الموارد المنتظم (URI) للاستيراد: 
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
عرض على GitHub

5- رصد المرفقات

رصد مربّعات الإحاطة (bbox) لمختلف ملحقات الأعمدة، مثل المحوّلات والعوارض المتقاطعة والعوازل

راجِع: رصد المربّعات المحيطة

معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
عرض على GitHub
تحليل متقدّم لاحتساب زاوية ميل الأعمدة من الصور، ويمكن استخدامه لتقييم ثبات الأعمدة

يُرجى الاطّلاع على: تنفيذ الرموز البرمجية

معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Lean_angle_detection_of_pole/Utility_pole_lean_angle_detection.ipynb
عرض على GitHub
قياس ارتفاع أعمدة المرافق من الصور باستخدام ميزة "رصد الأجسام" والتحليل الهندسي

الاطّلاع على: طلبات البنية

معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
عرض على GitHub
يمكنك تقييم أداء النموذج ونتائج التحليل باستخدام مقاييس الرؤية الحاسوبية المتّبعة في المجال.

الاطّلاع على: ضبط نموذج التقييم

معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
عرض على GitHub

9- تحليل جودة الصور

تقييم جودة الصورة استنادًا إلى عوامل مثل التشويش والإضاءة لضمان ملاءمتها لمهام الرؤية الحاسوبية

يُرجى الاطّلاع على: تنفيذ الرموز البرمجية

معرّف الموارد المنتظم (URI) للاستيراد: 
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb
عرض على GitHub