Integrere Oracle Analytics med Oracle Cloud Infrastructure Vision

Integrer Oracle Analytics med Oracle Cloud Infrastructure (OCI) Vision for at udføre objektregistrering, billedklassificering og tekstregistrering uden at være ekspert i maskinel indlæring eller kunstig intelligens. Du vil for eksempel identificere biler på fotografier.

Emner:

Overblik over integration af Oracle Analytics med Vision

Vision er en af flere AI-tjenester (artificial intelligence) i Oracle Cloud Infrastructure. Den giver dig mulighed for at anvende maskinel indlæring og kunstig intelligens, uden at du behøver at være it-specialist.


Beskrivelse af GUID-64C7FEB3-4F0E-4EC5-AFA3-AF0302505B4E-default.png følger
.png

Integration af Oracle Analytics Cloud med Vision aktiverer objektregistrering, billedklassificering og tekstregistrering fra Oracle Analytics Cloud. Du udfører denne AI-analyse ved at kalde tjenesten Vision fra et dataflow i Oracle Analytics Cloud.

Vision omfatter forud- og specialtrænede modeller.

Forudtrænede modeller

Forudtrænede modeller giver brugerne mulighed for at udføre billedanalyseopgaver på generiske datasæt.

  • Ansigtsregistrering - Identificer forekomsten af ansigter på billeder. Du vil for eksempel skjule personers identitet på billeder ved at sløre billedet ved hjælp af ansigtslokationsoplysninger, der returneres af denne model.

  • Billedklassifikation - Brug et fast kategorisæt til at tildele etiketter til billeder.

  • Objektregistrering - Finder instanser af objekter fra den virkelige verden eller bestemte mønstre i billeder eller videoer, for eksempel katte, hunde, cykler eller fly.

  • Tekstregistrering - Konverterer trykt eller håndskrevet tekst til et digitalt format.

Specialtrænede modeller

Specialtrænede modeller er kalibreret og finindstillet til at registrere billeder og mønstre til specifikke formål. Mens en forudtrænet model for eksempel kan identificere elektriske kredsløb, kan du designe en specialtrænet model, som kan identificere de elektriske komponenter i et elektrisk kredsløb, for eksempel modstande, LED'er, dioder og kondensatorer. Se Vision Tutorials.

Politikker, der kræves for at integrere OCI Vision med Oracle Analytics

Sørg for, at du har de påkrævede sikkerhedspolitikker, når du integrerer Oracle Analytics med OCI Vision.

Den OCI-bruger, som du angiver i forbindelsen mellem Oracle Analytics Cloud og din OCI-leje, skal have læse-, skrive- og slettetilladelser til det rum, der indeholder de Data Science-modeller, som du vil bruge. Sørg for, at OCI-brugeren tilhører en brugergruppe med følgende minimumpolitikker for OCI-sikkerhed. Når du opretter forbindelse til en OCI-leje fra Oracle Analytics, kan du bruge en OCI-API-nøgle eller -ressourceprincipal.

Bemærk:

Oracle Cloud-id'er (OCID'er) er ressourceidentifikatorer, der bruges i OCI.

Bemærk:

For at inkludere alle Analytics-instanser under et rum for en ressourceprincipal skal du angive {request.principal.type='analyticsinstance', request.principal.compartment.id='<compartmentA_ocid>'} i stedet for {request.principal.id='<analytics_instance_ocid>'}.
Politikker for API-nøgle Politikker for ressourceprincipal
Allow group <group_name> to manage ai-service-vision-family in tenancy Allow any-user to manage ai-service-vision-family in tenancy where all {request.principal.id='<analytics_instance_ocid>'}
Allow group <group_name> to read buckets in compartment <compartment_name> Allow any-user to read buckets in compartment <compartment_name> where all {request.principal.id='<analytics_instance_ocid>'}
Allow group <group_name> to manage objects in compartment <compartment_name> where target.bucket.name='<staging_bucket_name>' Allow any-user to manage objects in compartment <compartment_name> where all {request.principal.id='<analytics_instance_ocid>', target.bucket.name='<staging_bucket_name>'}
Allow group <group_name> to read objects in compartment <compartment_name> where target.bucket.name='<images_bucket_name>' Allow any-user to read objects in compartment <compartment_name> where all {request.principal.id='<analytics_instance_ocid>', target.bucket.name='<images_bucket_name>'}
Allow group <group_name> to read objectstorage-namespaces in tenancy Allow any-user to read objectstorage-namespaces in tenancy where all {request.principal.id='<analytics_instance_ocid>'}

Typisk workflow for integration af Oracle Analytics med Vision

Udfør disse opgaver, der kræves for at integrere Oracle Analytics med Vision og udføre objektregistrering, billedklassificering eller tekstregistrering.

Opgave Beskrivelse Flere oplysninger
Gennemgå forudsætninger Sørg for, at den bruger, der opretter forbindelse fra Oracle Analytics til OCI-lejen, har de påkrævede sikkerhedspolitikker. Politikker, der kræves for at integrere OCI Vision med Oracle Analytics
Opret forbindelse til OCI Vision Opret en forbindelse, der kan genbruges, til tjenesten Vision. Oprette en forbindelse til din Oracle Cloud Infrastructure-leje
Forbered billeder, der skal analyseres Opret et datasæt for de kildebilleder, som du vil analysere, og upload det til Oracle Analytics. Forberede billeder til analyse med en visionsmodel
Gør en model tilgængelig i Oracle Analytics Registrer en visionsmodel i Oracle Analytics for at gøre den tilgængelig for dataflows. Gøre en visionsmodel tilgængelig i Oracle Analytics
Behandl dine billeder Brug et dataflow til at udføre objektregistrering, billedklassificering eller tekstregistrering. Bruge Oracle Cloud Infrastructure Vision-modeller i Oracle Analytics
Analyser resultaterne Brug det datasæt, der er genereret af dit dataflow, til at analysere resultaterne. Sende data, der er genereret for modeller til ansigtsregistrering, objektregistrering, billedklassifikation og tekstregistreringsanalyse

Forberede billeder til analyse med en visionsmodel

Du bruger beholdere i OCI Object Storage til at lagre de billeder, som du vil analysere, og opretter derefter et datasæt for at få adgang til disse billeder i Oracle Analytics.

I de fleste tilfælde lagres inputbilleder og visionsmodeller i den samme Oracle Cloud-konto (leje). Hvis dine inputbilleder og din visionsmodel lagres i forskellige lejer, skal du sikre, at synligheden for den lagerbeholder, der indeholder dine inputbilleder, er offentlig, og at inputdatasættet for dataflowet indeholder individuelle billed-URL'er for individuelle billeder (som beskrevet i trin 4). Se Ændre en beholders synlighed for at få oplysninger om, hvordan du gør en beholder offentlig.

Dataflows i Oracle Analytics kan behandle op til 20.000 billeder i én kørsel. Hvis du har mere end 20.000 billeder, der skal behandles, skal du oprette flere beholdere, der hver især maksimalt indeholder 20.000 billeder, i Object Storage & Archive Storage i OCI. Opret derefter et separat datasæt og dataflow for hver beholder, og brug en sekvens til at behandle flere dataflows sekventielt.
  1. Naviger til Object Storage & Archive Storage i OCI-konsollen, og opret en ny beholder til lagring af dine billeder.
    Beskrivelse af GUID-B9CCC48D-EF35-4CC6-A017-555E9C328210-default.png følger
    .png

  2. Upload dine billeder til beholderen.
    Sørg for, at beholderen ikke indeholder nogen irrelevante filer. Oracle Analytics behandler alle filer i beholderen.
    Beholderen kan være privat eller offentlig, men skal være tilgængelig for OCI-brugeren og overholde OCI's generiske grænser for billeder. Se OCI-dokumentation.
  3. Du behandler alle billeder i en beholder ved at føje beholder-URL'en til en CSV-fil.
    1. Vælg beholderen i Object Storage for at vise billederne i dialogboksen Objekter.
    2. Kopier URL'en fra browserens URL-linje.
    3. Opret en CSV-fil med felter til ID, Bucket Name og Bucket URL.
    4. Indsæt beholder-URL'en i CSV-filen som værdien Bucket URL.
  4. Du kan behandle billeder individuelt ved at føje billed-URI'er til en CSV-fil.
    1. Opret en CSV-fil med felter til ID, Image Name og File Location.
    2. Klik på ellipseikonet ellipseikon for hvert billede i objektlageret, og vælg Vis objektdetaljer.
    3. Kopier værdien Navn og værdien URL-sti (URI).
    4. Indsæt værdien fra Navn i Image Name og værdien URL-sti (URI) i File Location.
  5. Klik på Opret i Oracle Analytics og derefter på Datasæt.
Nu kan du oprette et datasæt ved at uploade CSV-filen. Se Oprette et datasæt ud fra en fil, som er uploadet fra din computer.
Hvis du har mere end 20.000 billeder, opretter du normalt flere beholdere med op til 20.000 billeder og opretter et separat datasæt for hver enkelt beholder.

Gøre en visionsmodel tilgængelig i Oracle Analytics

Gør en visionsmodel tilgængelig i Oracle Analytics, så du kan udføre objektregistrering, billedklassificering eller tekstregistrering ved hjælp af dataflows.

  1. Opret en beholder i et rum i OCI Object Storage, og giv den et relevant navn (for eksempel MyVisionModelStagingBucket).
    Denne midlertidige beholder:
    • skal oprettes i det tilgængelige rum
    • skal oprettes, før der registreres en model
    • kan have privat synlighed
    • kan bruges til flere modeller
    • kan ændres i skærmbilledet Inspicer.
  2. Klik på Sidemenu Ellipse for sidemenu på startsiden i Oracle Analytics, vælg Registrer model/funktion, og vælg derefter OCI-visionsmodeller.
  3. Klik på den forbindelse, som du oprettede i Oprette en forbindelse til din Oracle Cloud Infrastructure-leje under Fra en forbindelse i dialogboksen Registrer en visionsmodel.
    Beskrivelse af GUID-8382F638-0C8B-4C7F-861C-7D3DB35AC8B5-default.png følger
    .png

    Der vises en liste over tilgængelige modeller.
  4. Klik på den model, som du vil anvende på dine billeddata, på listen over tilgængelige modeller.
    Hvis du for eksempel vil registrere biler på fotografier, skal du vælge Forudtrænet objektregistrering. Der vises et oplysningspanel med modeldetaljerne.
    Beskrivelse af GUID-2016ADC0-4958-4019-8920-3796E91519AE-default.png følger
    .png

  5. Angiv et navn, der identificerer modellen i Oracle Analytics, i Modelnavn.
  6. Indtast det navn, som du angav i trin 1, i Staging-beholdernavn (for eksempel MyVisionModelStagingBucket).
  7. Klik på Registrer.
Du kan gennemgå den registrerede model ved at navigere til Maskinel indlæring fra startsiden for Oracle Analytics og derefter til Modeller.