Integrera Oracle Analytics med OCI Vision

Integrera Oracle Analytics med OCI (Oracles infrastruktur) Vision för att kunna utföra objektavkänning, bildklassificering och textavkänning utan behov av expertis inom maskininlärning eller artificiell intelligens. Du skulle till exempel kunna identifiera bilar i fotografier.

Avsnitt:

Översikt över integrering av Oracle Analytics med Vision

Vision är en av flera tjänster inom artificiell intelligens (AI) som tillhandahålls av Oracles molninfrastruktur. Den ger dig möjlighet att använda maskininlärning och artificiell intelligens utan att behöva ha någon expertis inom datavetenskap.


Beskrivning av GUID-64C7FEB3-4F0E-4EC5-AFA3-AF0302505B4E-default.png följer
.png

Integrering av Oracles analysmoln med Vision gör det möjligt att utföra objektavkänning, bildklassificering och textavkänning inifrån Oracles analysmoln. Du utför den här AI-analysen genom att anropa Vision-tjänsten från ett dataflöde i Oracles analysmoln.

Vision inkluderar förtränade modeller och specialtränade modeller.

Förtränade modeller

Med förtränade modeller kan användare utföra bildanalysuppgifter på allmänna datamängder.

  • Ansiktsavkänning identifierar bilder i bilder. Du kan till exempel vilja dölja identiteten på personer på bilder genom att lägga till oskärpa på bilden med hjälp av den information om ansiktens placering som returneras av modellen.

  • Bildklassificering använder en fast kategoriuppsättning för att tilldela etiketter till bilder.

  • Objektavkänning hittar förekomster av verkliga objekt eller specifika mönster i bilder eller videor, till exempel katter, hundar, cyklar eller flygplan.

  • Textavkänning konverterar tryckt eller handskriven text till digitalt format:

Specialtränad modell

Specialtränade modeller har kalibrerats och finjusteras för att upptäcka bilder och mönster för specifika ändamål. En förtränad modell skulle t.ex. kunna upptäcka elektriska kretsar, medan du kan utforma en specialtränad modell för att upptäcka elektriska komponenter som utgör en elektrisk krets, till exempel motstånd, LED, dioder och kondensatorer. Se Vision-handledning.

Policyer som krävs för integrering av OCI Vision med Oracle Analytics

Kontrollera att du har de säkerhetspolicyer som krävs för att integrera Oracle Analytics med OCI Vision.

Den OCI-användare du anger i anslutningen mellan Oracles analysmoln och din OCI-molnpartition måste ha behörighet att läsa, skriva och ta bort för delområdet som innehåller de OCI-resurser du vill använda. Se till att OCI-användaren tillhör en användargrupp med följande lägsta säkerhetspolicyer för OCI. När du ansluter till en OCI-molnpartition från Oracle Analytics kan du använda en API-nyckel eller en resursidentitetshavare för OCI.

Obs!:

Oracle Cloud-id:n (OCID:n) är resursidentifierare som används i OCI.

Obs!:

Om du använder en resursidentitetshavare och vill inkludera alla Analytics-instanser under ett delområde anger du {request.principal.type='analyticsinstance', request.principal.compartment.id='<compartmentA_ocid>'} i stället för {request.principal.id='<analytics_instance_ocid>'}.
Policyer för API-nyckel Policyer för resursidentitetshavare
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>'}

Standardarbetsflöde för att integrera Oracle Analytics med Vision

Utför dessa uppgifter som krävs för att integrera Oracle Analytics med Vision och utför objektavkänning, bildklassificering eller textavkänning.

Uppgift Beskrivning Mer information
Granska förutsättningar Kontrollera att användaren som ansluter från Oracle Analytics till molnpartitionen i OCI har de säkerhetspolicyer som krävs. Policyer som krävs för integrering av OCI Vision med Oracle Analytics
Anslut till OCI Vision Skapa en återanvändbar anslutning till Vision-tjänsten. Skapa en anslutning till din molnpartition för Oracles molninfrastruktur
Förbered bilder att analysera Skapa en datamängd för de källbilder du vill analysera och ladda upp den till Oracle Analytics. Förbered bilder för analys med en Vision-modell
Gör en modell tillgänglig i Oracle Analytics Registrera en Vision-modell i Oracle Analytics så att den kan göras tillgänglig för dataflöden. Göra en Vision-modell tillgänglig i Oracle Analytics
Bearbeta bilderna Använd ett dataflöde för att utföra objektavkänning, bildklassificering eller textavkänning. Använd OCI Vision-modeller i Oracle Analytics
Analysera resultaten Använd datamängden som genererats av dataflödet för att analysera resultaten. Utdata genererade för analysmodeller för ansiktsavkänning, objektavkänning, bildklassificering och textavkänning

Förbered bilder för analys med en Vision-modell

Du använder behållare i OCI-objektlagringen för att lagra de bilder som du vill analysera och sedan skapa en datamängd så att du kan få åtkomst till de här bilderna i Oracle Analytics.

I de flesta fall lagras indatabilder och Vision-modeller på samma Oracle Cloud-konto (molnpartition). Om indatabilderna och Vision-modellen lagras på olika molnpartitioner måste du säkerställa att synligheten för lagringsbehållaren som innehåller indatabilderna är allmän och att indatamängden för dataflödet innehåller individuella bild-URL:er (enligt beskrivningen i steg 4). För information om hur du gör en behållare allmän, se Ändra synligheten för en behållare.

Dataflöden i Oracle Analytics kan bearbeta upp till 20 000 bilder i en körning. Om du har fler än 20 000 bilder som ska bearbetas skapar du flera behållare med högst 20 000 bilder vardera i Oracles molninfrastruktur - objektlagring och arkivlagring. Sedan skapar du en separat datamängd och ett separat dataflöde för varje behållare, och använder en sekvens för att bearbeta flera dataflöden i följd.
  1. I OCI-konsolen går du till Objektlagring och arkivlagring och skapar en ny behållare för lagring av bilderna.
    Beskrivning av GUID-B9CCC48D-EF35-4CC6-A017-555E9C328210-default.png följer
    .png

  2. Ladda upp bilderna till behållaren.
    Kontrollera att behållaren inte innehåller några överflödiga filer. Oracle Analytics bearbetar alla filer i behållaren.
    Behållaren kan vara privat eller allmän, men den måste vara åtkomlig för OCI-användare och vara förenlig med OCI:s allmänna gränser för bilder. Se OCI-dokumentationen.
  3. Om du vill att alla bilder i en behållare ska bearbetas lägger du till URL:en till behållaren i en CSV-fil.
    1. I Objektlagring väljer du behållaren för visning av bilderna i dialogrutan Objekt.
    2. Kopiera URL:en från webbläsarens URL-fält.
    3. Skapa en CSV-fil med fält för ID, Bucket Name och Bucket URL.
    4. Klistra in URL:en till behållaren i CSV-filen som värdet för Bucket URL.
  4. Om du vill att bilderna ska bearbetas individuellt lägger du till URI:er för bilderna i en CSV-fil.
    1. Skapa en CSV-fil med fält för ID, Image Name och File Location.
    2. Klicka på ikonen Ellips ikonen Ellips för varje bild i objektlagringen och välj Vyobjektdetaljer.
    3. Kopiera värdet för Namn och värdet för URL-sökväg (URI).
    4. Klistra in värdet för Namn i Image Name och klistra in värdet för URL-sökväg (URI) i File Location.
  5. I Oracle Analytics klickar du på Skapa och sedan på Datamängd.
Nu kan du skapa en datamängd genom att ladda upp CSV-filen. Se Skapa en datamängd från en fil som laddats upp från datorn.
Om du har fler än 20 000 bilder får du skapa flera behållare som innehåller högst 20 000 bilder vardera och skapa en separat datamängd för varje behållare.

Göra en Vision-modell tillgänglig i Oracle Analytics

Gör en Vision-modell tillgänglig i Oracle Analytics så att du kan utföra objektavkänning, bildklassificering eller textavkänning med hjälp av dataflöden.

  1. I OCI-objektlagringen skapar du en behållare i ett delområde med hjälp av lämpligt namn (t.ex. MyVisionModelStagingBucket).
    Den här behållaren för mellanlagring
    • måste skapas i det åtkomliga delområdet
    • måste skapas före registreringen av en modell
    • kan ha privat synlighet
    • kan användas för flera modeller
    • Kan ändras på skärmen Inspektera.
  2. På hemsidan i Oracle Analytics klickar du på menyn Sida Menyn Sida tre punkter, väljer Registrera modell/funktion och väljer sedan OCI Vision-modeller.
  3. I dialogrutan Registrera en Vision-modell, under Från anslutning, klickar du på anslutningen du skapade i Skapa en anslutning till din molnpartition för Oracles molninfrastruktur.
    Beskrivning av GUID-8382F638-0C8B-4C7F-861C-7D3DB35AC8B5-default.png följer
    .png

    En lista med tillgängliga modeller visas.
  4. I listan med tillgängliga modeller klickar du på modellen du vill använda på dina bilddata.
    Om du till exempel vill upptäcka bilar i fotografier ska du välja Förtränad objektavkänning. En informationspanel med detaljer för modellen visas.
    Beskrivning av GUID-2016ADC0-4958-4019-8920-3796E91519AE-default.png följer
    .png

  5. I Modellnamn anger du ett namn för att identifiera modellen i Oracle Analytics.
  6. I Namn på dataområde för mellanlagring anger du namnet du angav i steg 1 (till exempel MyVisionModelStagingBucket).
  7. Klicka på Registrera.
På hemsidan för Oracle Analytics kan du granska den registrerade modellen genom att gå till Maskininlärning och sedan till Modeller.