Ejemplos
Street View Insights puede ayudarte a analizar conjuntos de datos de imágenes con Vertex AI Colab Enterprise. En los siguientes ejemplos, se muestran varias capacidades.
Configuración del entorno
Este taller está diseñado para ejecutarse en Vertex AI Colab Enterprise. Sigue las instrucciones que se indican a continuación para importar los notebooks del instructivo a tu entorno:
- Importar notebook: En Colab Enterprise, selecciona Archivo > Importar notebook y elige la opción "Por URI".
- Copiar y pegar: Copia el URI de importación que se proporciona en cada tarjeta de módulo a continuación y pégalo en el diálogo de importación.
- Cambiar el nombre del archivo (recomendado): Para evitar conflictos, considera cambiar el nombre del archivo de notebook importado. Por ejemplo, agrega tu nombre de usuario al comienzo del nombre del archivo (p. ej.,
{USERNAME}_filename.ipynb).
Módulos básicos
En estos módulos, se abarcan los flujos de trabajo fundamentales para comenzar a usar Street View Insights.
1. Comprende tu conjunto de datos
Notebook introductorio para explorar y visualizar la estructura del conjunto de datos de imágenes y los metadatos asociados. URI de importación:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Understand_your_dataset/Understand_your_dataset.ipynb
2. Análisis de postes de servicios públicos
Flujos de trabajo de análisis principales para identificar y categorizar postes de servicios públicos según sus características visuales. URI de importación:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_analysis/utility_pole_basic_analysis.ipynb
3. Clasifica señales de tránsito
Clasifica las señales de tránsito que se encuentran en las imágenes, como las señales de alto, ceda el paso y límite de velocidad. URI de importación:
https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/classify_road_signs/classify_road_signs.ipynb
Módulos avanzados
Estos módulos abarcan análisis y técnicas más complejos, incluidas las funciones potenciadas por IA, como el aprendizaje con pocos ejemplos y la ejecución de código.
4. Detección de objetos con aprendizaje en pocos intentos
Detecta objetos en imágenes entrenando un modelo con solo unos pocos ejemplos, lo que resulta ideal para identificar objetos personalizados o poco comunes.
Consulta Ejemplos con pocos intentos
URI de importación: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. Detección de archivos adjuntos
Detección de cuadros de límite (bbox) para varios accesorios de postes, como transformadores, crucetas y aisladores.
Consulta: Detección de cuadros de límite
URI de importación:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/bbox_detection_of_attachments/bbox_detection_of_attachments.ipynb
6. Detección del ángulo de inclinación
Análisis avanzado para calcular el ángulo de inclinación de los postes a partir de las imágenes, que se puede usar para evaluar la estabilidad de los postes.
Consulta: Ejecución de código
URI de importación:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Lean_angle_detection_of_pole/Utility_pole_lean_angle_detection.ipynb
7. Medición de la altura de un poste de servicios
Medir la altura de los postes de servicios públicos a partir de imágenes con detección de objetos y análisis geométrico
Consulta: Estructura instrucciones
URI de importación:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Utility_pole_measure_height/Utility_pole_measure_height.ipynb
8. Métricas de evaluación
Evalúa el rendimiento del modelo y los resultados del análisis con métricas de visión artificial estándares de la industria.
Consulta: Cómo configurar el modelo de juez
URI de importación:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/eval/eval.ipynb
9. Análisis de la calidad de la imagen
Evalúa la calidad de la imagen en función de factores como el desenfoque y la iluminación para garantizar su idoneidad para las tareas de visión artificial.
Consulta: Ejecución de código
URI de importación:https://github.com/googlemaps-samples/insights-samples/blob/main/street_view_insights/notebooks/Image_quality_analysis/Image_quality_analysis.ipynb