?> How do I specify the input table containing the im... - Aide
QUESTION / RÉPONSE

How do I specify the input table containing the images to be annotated?

1 consultations

Réponse

The input table is specified using the `images` parameter. This parameter requires a `table` subparameter where you provide the `name` of the table and optionally the `caslib`.
Action technique liée

Voir la documentation de annotateImages

Voir l'Action
Thématiques

Voir aussi

annotateImages
image

La acción `annotateImages` en el conjunto de acciones de `image` es una herramienta fundamental en el procesamiento de imágenes dentro de SAS Viya. Su propósito principal es superponer anotaciones visuales sobre las imágenes de una tabla de entrada. Estas anotaciones se basan en metadatos que ya existen en la misma tabla, como coordenadas de cajas delimitadoras, puntos, líneas o máscaras de segmentación. El resultado es una nueva tabla CAS que contiene las imágenes con las anotaciones dibujadas, lo que es crucial para la validación visual de modelos de detección de objetos, la preparación de datos para entrenamiento o la creación de informes visuales.

annotateImages
image

Die Aktion `annotateImages` im Aktionssatz `image` wird verwendet, um Bilder in einer CAS-Tabelle mit Metadaten zu versehen, die in derselben oder einer anderen Tabelle enthalten sind. Dies ermöglicht das Zeichnen von Formen, Text oder das Überlagern von Segmentierungsmasken direkt auf die Bilder. Diese Funktion ist besonders nützlich für die Visualisierung von Ergebnissen der Bildanalyse, wie z. B. Objekterkennung, oder zur Vorbereitung von Trainingsdaten für Deep-Learning-Modelle.

augmentImages
image

Die Aktion `augmentImages` ist ein leistungsstarkes Werkzeug im Computer Vision Toolkit von SAS Viya. Ihr Hauptzweck ist die künstliche Erweiterung eines Bilddatensatzes durch das Erstellen von modifizierten Kopien vorhandener Bilder. Dieser Prozess, bekannt als Datenaugmentation, ist entscheidend für das Training robuster Deep-Learning-Modelle, da er hilft, die Vielfalt der Trainingsdaten zu erhöhen und Überanpassung (Overfitting) zu reduzieren. Die Aktion funktioniert, indem sie entweder ganze Bilder oder aus ihnen extrahierte Patches (Ausschnitte) nimmt und eine Reihe von Transformationen oder 'Mutationen' darauf anwendet. Zu diesen Mutationen gehören geometrische Änderungen wie Spiegelungen und Drehungen sowie photometrische Änderungen wie Anpassungen von Helligkeit, Kontrast und Farbe. Das Ergebnis ist eine neue Tabelle, die sowohl die ursprünglichen als auch die neu generierten, augmentierten Bilder enthält, bereit zur Verwendung im Modelltraining.