Oracle Analytics mit Oracle Cloud Infrastructure Vision integrieren

Integrieren Sie Oracle Analytics mit Oracle Cloud Infrastructure (OCI) Vision, um Objekterkennung, Bildklassifizierung und Texterkennung auch ohne Fachkenntnisse in maschinellem Lernen oder künstlicher Intelligenz durchzuführen. Sie könnten etwa Autos in Fotos identifizieren.

Themen:

Überblick über die Integration von Oracle Analytics mit Vision

Vision ist einer von mehreren Services für künstliche Intelligenz (KI), die von Oracle Cloud Infrastructure bereitgestellt werden. Er gibt Ihnen die Möglichkeit, maschinelles Lernen und künstliche Intelligenz auch ohne Fachkenntnisse in Data Science einzusetzen.


Beschreibung von GUID-64C7FEB3-4F0E-4EC5-AFA3-AF0302505B4E-default.png folgt
.png

Die Integration von Oracle Analytics Cloud mit Vision ermöglicht die Objekterkennung, Bildklassifizierung und Texterkennung aus Oracle Analytics Cloud. Diese KI-Analyse führen Sie aus, indem Sie den Vision-Service aus einem Datenfluss in Oracle Analytics Cloud aufrufen.

Vision enthält vortrainierte Modelle und benutzerdefinierte trainierte Modelle.

Vortrainierte Modelle

Mit vortrainierten Modellen können Benutzer Bildanalyseaufgaben für generische Datasets ausführen.

  • Gesichtserkennung: Identifizieren Sie, ob Gesichter in Bildern vorhanden sind. Beispiel: Sie möchten die Identität von Personen in Bildern verbergen, indem Sie sie verschwommen darstellen. Dazu verwenden Sie die von diesem Modell zurückgegebenen Informationen zu Gesichtspositionen.

  • Bildklassifizierung: Weist Bildern anhand eines festen Kategoriesets Labels zu.

  • Objekterkennung: Findet Vorkommen realer Objekte oder bestimmter Muster in Bildern oder Videos, z.B. Katzen, Hunde, Fahrräder oder Flugzeuge.

  • Texterkennung konvertiert gedruckte oder handschriftliche Texte in ein digitales Format.

Benutzerdefiniertes trainiertes Modell

Benutzerdefinierte trainierte Modelle sind kalibriert und optimiert, um Bilder und Muster für bestimmte Zwecke zu erkennen. Beispiel: Ein vortrainiertes Modell kann möglicherweise elektrische Schaltungen identifizieren, aber mit einem benutzerdefiniert trainierten Modell können Sie auch die elektrischen Bauteile der Schaltung identifizieren, wie Widerstände, LEDs, Dioden und Kondensatoren. Siehe Tutorials zu Vision.

Erforderliche Policys für die Integration von OCI Vision mit Oracle Analytics

Richten Sie die erforderlichen Sicherheits-Policys ein, bevor Sie Oracle Analytics mit OCI Vision integrieren.

Der OCI-Benutzer, den Sie in der Verbindung zwischen Oracle Analytics Cloud und Ihrem OCI-Mandanten angeben, muss über Lese-, Schreib- und Löschberechtigungen in dem Compartment verfügen, das die gewünschten OCI-Ressourcen enthält. Stellen Sie sicher, dass der OCI-Benutzer zu einer Benutzergruppe mit den folgenden minimalen OCI-Sicherheits-Policys gehört. Wenn Sie eine Verbindung zu einem OCI-Mandanten aus Oracle Analytics herstellen, können Sie entweder einen OCI-API-Schlüssel oder einen Resource Principal verwenden.

Hinweis:

Oracle Cloud-IDs (OCIDs) sind Ressourcen-IDs, die in OCI verwendet werden.

Hinweis:

Um bei Verwendung eines Resource Principals alle Analytics-Instanzen unter einem Compartment aufzunehmen, geben Sie {request.principal.type='analyticsinstance', request.principal.compartment.id='<compartmentA_ocid>'} anstelle von {request.principal.id='<analytics_instance_ocid>'} an.
API-Schlüssel-Policys Resource Principal Policys
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>'}

Typischer Workflow beim Integrieren von Oracle Analytics mit Vision

Führen Sie diese Aufgaben aus, die zum Integrieren von Oracle Analytics mit Vision sowie zum Durchführen von Objekterkennung, Bildklassifizierung und Texterkennung erforderlich sind.

Aufgabe Beschreibung Weitere Informationen
Voraussetzungen prüfen Stellen Sie sicher, dass der Benutzer, der von Oracle Analytics eine Verbindung zum OCI-Mandanten herstellt, über die erforderlichen Sicherheits-Policys verfügt. Erforderliche Policys für die Integration von OCI Vision mit Oracle Analytics
Verbindung zu OCI Vision herstellen Stellen Sie eine wiederverwendbare Verbindung zum Vision-Service her. Verbindung zu Ihrem Oracle Cloud Infrastructure-Mandanten erstellen
Bilder für die Analyse vorbereiten Erstellen Sie ein Dataset für die zu analysierenden Quellbilder, und laden Sie es in Oracle Analytics hoch. Bilder für die Analyse mit einem Vision-Modell vorbereiten
Modell in Oracle Analytics verfügbar machen Registrieren Sie ein Vision-Modell in Oracle Analytics, um es für Datenflüsse verfügbar zu machen. Vision-Modell in Oracle Analytics verfügbar machen
Bilder verarbeiten Führen Sie Objekterkennung, Bildklassifizierung oder Texterkennung mit einem Datenfluss durch. Oracle Cloud Infrastructure Vision-Modelle in Oracle Analytics verwenden
Ergebnisse analysieren Analysieren Sie die Ergebnisse anhand des Datasets, das vom Datenfluss generiert wurde. Für Modelle zur Objekterkennungs-, Gesichtserkennungs-, Bildklassifizierungs- und Texterkennungsanalyse generierte Ausgabedaten

Bilder für die Analyse mit einem Vision-Modell vorbereiten

Sie verwenden Buckets in OCI Object Storage, um die Bilder zu speichern, die Sie analysieren möchten. Dann erstellen Sie ein Dataset, um in Oracle Analytics auf diese Bilder zuzugreifen.

Eingabebilder und Vision-Modelle werden meist in demselben Oracle Cloud-Account (Mandant) gespeichert. Falls Ihre Eingabebilder und Vision-Modelle in unterschiedlichen Mandanten gespeichert werden, müssen Sie sicherstellen, dass die Sichtbarkeit des Speicher-Buckets, der die Eingabebilder enthält, auf öffentlich eingestellt ist und dass das Eingabe-Dataset für den Datenfluss individuelle Bild-URLs enthält (wie in Schritt 4 beschrieben). Wie Sie einen Bucket öffentlich machen, erfahren Sie unter Sichtbarkeit eines Buckets ändern.

Datenflüsse in Oracle Analytics können bis zu 20.000 Bilder in einem Durchlauf verarbeiten. Wenn mehr als 20.000 Bilder verarbeitet werden müssen, erstellen Sie in OCI Object Storage und Archive Storage mehrere Buckets mit jeweils maximal 20.000 Bildern. Erstellen Sie dann für jeden Bucket ein separates Dataset und einen separaten Datenfluss, und verwenden Sie eine Sequenz, um mehrere Datenflüsse sequenziell zu verarbeiten.
  1. Navigieren Sie in der OCI-Konsole zu Object Storage und Archive Storage, und erstellen Sie einen neuen Bucket zum Speichern Ihrer Bilder.
    Beschreibung von GUID-B9CCC48D-EF35-4CC6-A017-555E9C328210-default.png folgt
    .png

  2. Laden Sie die Bilder in den Bucket hoch.
    Achten Sie darauf, dass der Bucket keine irrelevanten Dateien enthält. Oracle Analytics verarbeitet jede einzelne Datei im Bucket.
    Der Bucket kann privat oder öffentlich sein, muss jedoch für den OCI-Benutzer zugänglich sein und die allgemeinen OCI-Limits für Bilder einhalten. Weitere Informationen finden Sie in der OCI-Dokumentation.
  3. Um jedes Bild in einem Bucket zu verarbeiten, fügen Sie die Bucket-URL einer CSV-Datei hinzu.
    1. Wählen Sie in Object Storage den Bucket aus, um die Bilder im Dialogfeld "Objekte" anzuzeigen.
    2. Kopieren Sie die URL aus der URL-Leiste des Browsers.
    3. Erstellen Sie eine CSV-Datei mit Feldern für ID, Bucket Name und Bucket URL.
    4. Fügen Sie die Bucket-URL als Bucket URL-Wert in die CSV-Datei ein.
  4. Um Bilder einzeln zu verarbeiten, fügen Sie einer CSV-Datei Bild-URIs hinzu.
    1. Erstellen Sie eine CSV-Datei mit Feldern für ID, Image Name und File Location.
    2. Klicken Sie für jedes Bild in Object Storage auf das Symbol mit den Auslassungspunkten Symbol "Auslassungspunkte", und wählen Sie Objektdetails anzeigen aus.
    3. Kopieren Sie die Werte Name und URL-Pfad (URI).
    4. Fügen Sie den Wert Name in Image Name und den Wert URL-Pfad (URI) in File Location ein.
  5. Klicken Sie in Oracle Analytics auf Erstellen und dann auf Dataset.
Sie können jetzt ein Dataset erstellen, indem Sie die CSV-Datei hochladen. Siehe Dataset aus einer vom Rechner hochgeladenen Datei erstellen.
Wenn Sie mehr als 20.000 Bilder haben, erstellen Sie in der Regel mehrere Buckets mit jeweils maximal 20.000 Bildern. Außerdem erstellen Sie für jeden Bucket ein separates Dataset.

Vision-Modell in Oracle Analytics verfügbar machen

Machen Sie ein Vision-Modell in Oracle Analytics verfügbar, damit Sie Objekterkennung, Bildklassifizierung oder Texterkennung mit Datenflüssen durchführen können.

  1. Erstellen Sie in OCI Object Storage einen Bucket in einem Compartment unter einem geeigneten Namen (Beispiel: MyVisionModelStagingBucket).
    Für diesen Staging Bucket gilt Folgendes:
    • Muss in einem zugänglichen Compartment erstellt werden.
    • Muss erstellt werden, bevor ein Modell registriert wird.
    • Kann die Sichtbarkeit "privat" haben.
    • Kann für mehrere Modelle verwendet werden.
    • Kann im Bildschirm "Prüfen" geändert werden.
  2. Klicken Sie auf der Oracle Analytics-Homepage auf Seitenmenü Seitenmenü-Auslassungspunkt, und wählen Sie Modell/Funktion registrieren und dann OCI Vision-Modelle aus.
  3. Klicken Sie im Dialogfeld Vision-Modell registrieren unter Über Verbindung auf die Verbindung, die Sie in Verbindung zu Ihrem Oracle Cloud Infrastructure-Mandanten erstellen erstellt haben.
    Beschreibung von GUID-8382F638-0C8B-4C7F-861C-7D3DB35AC8B5-default.png folgt
    .png

    Eine Liste der verfügbaren Modelle wird angezeigt.
  4. Klicken Sie in der Liste der verfügbaren Modelle auf das Modell, das Sie auf Ihre Bilddaten anwenden möchten.
    Beispiel: Um Autos in Fotos zu erkennen, wählen Sie Vorab trainierte Objekterkennung aus. Ein Informationsfenster mit den Modelldetails wird angezeigt.
    Beschreibung von GUID-2016ADC0-4958-4019-8920-3796E91519AE-default.png folgt
    .png

  5. Geben Sie unter Modelname einen Namen zur Identifizierung des Modells in Oracle Analytics ein.
  6. Geben Sie unter Name des Staging Buckets den Namen ein, den Sie in Schritt 1 angegeben haben (Beispiel: MyVisionModelStagingBucket).
  7. Klicken Sie auf Registrieren.
Um das registrierte Modell zu prüfen, navigieren Sie von der Oracle Analytics-Homepage zu Maschinelles Lernen und dann zu Modelle.