샘플
스트리트 뷰 통계를 사용하면 Vertex AI Colab Enterprise를 사용하여 이미지 데이터 세트를 분석할 수 있습니다. 다음 예시에서는 다양한 기능을 보여줍니다.
환경 설정
이 워크숍은 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: 아래 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