Esempi

Street View Insights può aiutarti ad analizzare i set di dati di immagini utilizzando Vertex AI Colab Enterprise. Gli esempi seguenti mostrano varie funzionalità.

Configurazione dell'ambiente

Questo workshop è progettato per essere eseguito in Vertex AI Colab Enterprise. Segui le istruzioni riportate di seguito per importare i blocchi note del tutorial nel tuo ambiente:
  1. Importa notebook:in Colab Enterprise, seleziona File > Importa notebook e scegli l'opzione "Per URI".
  2. Copia e incolla:copia l'URI di importazione fornito in ogni scheda del modulo di seguito e incollalo nella finestra di dialogo di importazione.
  3. Rinomina file (consigliato): per evitare conflitti, valuta la possibilità di rinominare il file del blocco note importato, ad esempio aggiungendo il tuo nome utente all'inizio del nome file (ad es. {USERNAME}_filename.ipynb).

Moduli di base

Questi moduli trattano i flussi di lavoro fondamentali per iniziare a utilizzare Street View Insights.
Notebook introduttivo per esplorare e visualizzare la struttura del set di dati di immagini e i metadati associati. URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
Flussi di lavoro di analisi principali per identificare e classificare i pali della luce in base alle loro caratteristiche visive. URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
Classifica i segnali stradali trovati nelle immagini, come i segnali di stop, dare precedenza e limite di velocità. URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb

Moduli avanzati

Questi moduli trattano analisi e tecniche più complesse, tra cui funzionalità basate sull'AI come il few-shot learning e l'esecuzione del codice.
Rileva gli oggetti nelle immagini addestrando un modello su pochi esempi, ideale per identificare oggetti rari o personalizzati.

Vedi: Esempi few-shot

URI di importazione:
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
Rilevamento del riquadro di selezione per vari accessori per pali, come trasformatori, traverse e isolanti.

Vedi Rilevamento del riquadro di selezione

URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
Analisi avanzata per calcolare l'angolo di inclinazione dei pali dalle immagini, che può essere utilizzato per valutare la stabilità dei pali.

Vedi Esegui il codice

URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Lean_angle_detection_of_pole/Utility_pole_lean_angle_detection.ipynb
Misura l'altezza dei pali della luce dalle immagini utilizzando il rilevamento di oggetti e l'analisi geometrica.

Vedi: Prompt strutturati

URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
Valuta le prestazioni del modello e i risultati dell'analisi utilizzando metriche di computer vision standard del settore.

Vedi: Configurare il modello di valutazione

URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
Valuta la qualità dell'immagine in base a fattori come sfocatura e illuminazione per assicurarti che sia adatta alle attività di visione artificiale.

Vedi Esegui il codice

URI di importazione:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb