Utilisation de modèles OCI Vision dans Oracle Analytics

Utilisez des modèles OCI Vision préconstruits pour intégrer à vos applications la reconnaissance d'images et la reconnaissance de texte sans avoir besoin d'une expertise particulière en matière d'apprentissage automatique ou d'intelligence artificielle.

Par exemple, vous pouvez utiliser la détection d'objets afin d'identifier les voitures ou de détecter les visages sur des photos pour pouvoir les flouter en vue de protéger l'identité des personnes.
Les modèles OCI Vision préentraînés disponibles sont les suivants :
  • Classification préentraînée d'image
  • Détection préentraînée de visage dans les images
  • Détection préentraînée de texte dans les images
  • Détection préentraînée d'objets
Si vous devez traiter plus de 20 000 images, dans la zone OCI Object Storage et Archive Storage, vous configurez généralement plusieurs buckets ne contenant pas plus de 20 000 images chacun. Ensuite, vous créez un flux de données distinct pour traiter chaque bucket, et vous utilisez une séquence pour traiter de manière séquentielle plusieurs flux de données afin de pouvoir traiter toutes vos images.
Prérequis :
  1. Sur la page d'accueil Oracle Analytics, cliquez sur Créez puis sur Flux de données.
  2. Sélectionnez l'ensemble de données qui renvoie aux images à analyser, puis cliquez sur Ajouter.
  3. Dans l'éditeur de flux de données, cliquez sur Ajouter une étape (+).
  4. Dans le panneau Etapes de flux de données, cliquez deux fois sur Appliquer un modèle d'IA, puis sélectionnez le modèle à utiliser.
    Par exemple, vous pouvez sélectionner Détection préentraînée d'objets pour détecter des plaques d'immatriculation de voiture. Sinon, vous pouvez sélectionner Détection préentraînée de visage dans les images pour détecter les visages dans les photos.
  5. Dans Appliquer un modèle, accédez à la section Paramètres, puis configurez les paramètres Colonne d'entrée et Type d'entrée.
    • Si vous référencez vos images source par bucket, dans Colonne d'entrée, sélectionnez URL, puis dans Type d'entrée, sélectionnez Buckets.

    • Si vous référencez vos images source de façon individuelle, dans Colonne d'entrée, sélectionnez Emplacement de fichier, puis dans Type d'entrée, sélectionnez Images.
  6. Facultatif : utilisez les options Entrées et Sorties pour modifier les paramètres par défaut (les options disponibles varient selon le type de modèle).

  7. Dans l'éditeur de flux de données, cliquez sur Ajouter une étape (+), puis sélectionnez Enregistrer les données.
  8. Saisissez le nom de l'ensemble de données dans lequel stocker les résultats de sortie.
    Par exemple, vous pouvez nommer votre ensemble de données de la manière suivante : "Résultats d'analyse du stationnement de voitures".
  9. Dans le champ Enregistrer les données dans, indiquez l'emplacement d'enregistrement des données de sortie.
  10. Cliquez sur Enregistrer, saisissez le nom et la description du flux de données, puis cliquez sur OK pour enregistrer le flux de données.
  11. Cliquez sur Exécuter le flux de données pour analyser les images et générer les résultats dans un nouvel ensemble de données.
    Si vous avez moins de 20 000 images, vous pouvez les traiter en un seul flux de données. Si vous avez plus de 20 000 images, créez un flux de données distinct pour traiter chaque bucket (autrement dit, utilisez un ensemble de données distinct pour chaque bucket) et utilisez une séquence pour traiter de manière séquentielle plusieurs ensembles de données. Une fois que vous avez créé plusieurs flux de données, sur la page d'accueil d'Oracle Analytics, cliquez sur Créer, puis sur Séquence.
Lorsque le flux de données a terminé l'analyse, ouvrez l'ensemble de données que vous avez indiqué à l'étape 7.

Pour localiser l'ensemble de données généré, sur la page d'accueil d'Oracle Analytics, accédez à Données puis à Ensembles de données.



Pour plus d'informations sur les résultats générés, reportez-vous à Données de sortie générées pour les modèles d'analyse de détection d'objets, de classification d'images et de détection de texte.