範例
您可以透過 Street View Insights，使用 Vertex AI Colab Enterprise 分析圖像資料集。以下範例展示了各種功能。
環境設定
本研討會的設計宗旨，是在 Vertex AI Colab Enterprise 中執行。請按照下列指示將教學課程筆記本匯入環境：
- 匯入筆記本：在 Colab Enterprise 中，依序選取「檔案」>「匯入筆記本」，然後選擇「依 URI」選項。
- 複製並貼上：複製下方各模組資訊卡中提供的「匯入 URI」，然後貼到匯入對話方塊。
- 重新命名檔案 (建議)：為避免衝突，建議重新命名匯入的記事本檔案，例如在檔案名稱開頭加上使用者名稱 (例如
{USERNAME}_filename.ipynb)。
基本模組
這些模組涵蓋街景服務洞察資料的基本工作流程，可協助您開始使用這項工具。
1. 瞭解資料集
簡介筆記本，可探索並以視覺化方式呈現圖像資料集結構和相關聯的中繼資料。匯入 URI：
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
2. 電線桿分析
核心分析工作流程，可根據電線桿的視覺特徵識別及分類。匯入 URI：
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
3. 分類路標
分類圖像中的道路標誌，例如「停止」、「禮讓」和「速限」標誌。匯入 URI：
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
進階模組
這些單元涵蓋更複雜的分析和技術，包括 AI 技術輔助功能，例如少樣本學習和程式碼執行。
4. 使用少量樣本學習偵測物件
只要提供幾個範例，就能訓練模型偵測圖片中的物件，非常適合用來辨識罕見或自訂物件。
請參閱： 少量樣本
匯入 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
7. 測量電線桿高度
使用物件偵測和幾何分析，從圖像測量電線桿的高度。
請參閱： 結構化提示
匯入 URI：https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb