사전 구축된 OCI Vision 모델을 사용하여 ML(머신 러닝) 또는 AI(인공 지능) 경험 없이도 애플리케이션에 이미지 인식 및 텍스트 인식을 구축할 수 있습니다.
예를 들어, 객체 감지를 사용하여 사진 속 자동차를 식별하거나 사진 속 얼굴을 감지하여 흐리게 처리하면 인물의 신원을 보호할 수 있습니다.
사용 가능한 사전 학습 OCI Vision 모델은 다음과 같습니다.
- 사전 학습 이미지 분류.
- 사전 학습 이미지 얼굴 감지.
- 사전 학습 이미지 텍스트 감지.
- 사전 학습 객체 감지.
처리할 이미지가 20,000개를 초과하는 경우 일반적으로 OCI의 [오브젝트 스토리지 및 아카이브 스토리지] 영역에서 각각 20,000개 이하의 이미지를 포함하는 버킷을 여러 개 설정합니다. 그런 다음 모든 이미지를 처리할 수 있도록 각 버킷을 처리할 별도의 데이터 흐름을 생성하고, 시퀀스를 사용하여 다중 데이터 흐름을 순서대로 처리합니다.
- Oracle Analytics 홈 페이지에서 생성을 누른 다음 데이터 흐름을 누릅니다.
- 분석할 이미지에 링크되는 데이터 집합을 선택한 다음 추가를 누릅니다.
- 데이터 흐름 편집기에서 단계 추가(+)를 누릅니다.
- 데이터 흐름 단계 창에서 AI 모델 적용을 두 번 누르고 사용할 모델을 선택합니다.
예를 들어, 자동차 번호판을 감지할 "사전 학습 객체 감지"를 선택할 수 있습니다. 또는 사진 속 얼굴을 감지하려면 "사전 학습 이미지 얼굴 감지"를 선택할 수 있습니다.
- 모델 적용에서 매개변수 섹션으로 이동하고 입력 열 및 입력 유형 매개변수를 구성합니다.
- 버킷별로 소스 이미지를 참조하는 경우 입력 열에서 URL을 선택하고 입력 유형에서 버킷을 선택합니다.
- 개별적으로 소스 이미지를 참조하는 경우 입력 열에서 파일 위치를 선택하고 입력 유형에서 이미지를 선택합니다.
- 옵션: 입력 및 출력 옵션을 사용하여 기본 설정을 변경합니다(사용 가능한 옵션은 모델 유형에 따라 다름).
- 데이터 흐름 편집기에서 단계 추가(+)를 누르고 데이터 저장을 선택합니다.
- 출력 결과를 저장할 데이터 집합의 이름을 입력합니다.
예를 들어, 데이터 집합을 'Car Parking Analysis Results'라고 할 수 있습니다.
- 데이터 저장 위치 필드에서 출력 데이터를 저장할 위치를 지정합니다.
- 저장을 누르고 데이터 흐름의 이름과 설명을 입력하고 확인을 눌러 데이터 흐름을 저장합니다.
- 데이터 흐름 실행을 눌러 이미지를 분석하고 새 데이터 집합에 결과를 출력합니다.
이미지가 20,000개 미만이면 해당 이미지를 하나의 데이터 흐름으로 처리할 수 있습니다. 이미지가 20,000개를 초과하는 경우 각 버킷을 처리할 별도의 데이터 흐름을 생성(즉, 각 버킷에 대해 별도의 데이터 집합을 사용)하고, 시퀀스를 사용하여 다중 데이터 흐름을 순서대로 처리합니다. 다중 데이터 흐름을 생성한 후에는 Oracle Analytics 홈 페이지에서 생성을 누른 다음 시퀀스를 누릅니다.