?> Quels sont les paramètres obligatoires pour utili... - Aide
QUESTION / RÉPONSE

Quels sont les paramètres obligatoires pour utiliser l'action `annotateImages` ?

0 consultations

Réponse

Pour utiliser l'action `annotateImages`, vous devez spécifier trois paramètres obligatoires : `images`, qui désigne la table d'entrée contenant les images ; `annotations`, qui décrit les annotations à appliquer ; et `casOut`, qui définit la table de sortie où les images annotées seront sauvegardées.
Action technique liée

Voir la documentation de annotateImages

Voir l'Action
Thématiques

Voir aussi

augmentImages
image

The `augmentImages` action is a powerful tool within the Image action set for data augmentation in computer vision tasks. It works by taking an input table of images and generating new, modified images. These transformations can include geometric changes like flipping, rotating, and cropping (creating patches), as well as color and pixel-level mutations such as color jittering, sharpening, lightening, or darkening. This process artificially expands the training dataset, which helps in building more robust and generalized deep learning models by exposing them to a wider variety of image appearances.

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

L'action `augmentImages` est une fonctionnalité puissante du traitement d'images dans SAS Viya. Elle permet de créer des versions augmentées d'un jeu d'images en générant des 'patches' (imagettes) et en leur appliquant diverses mutations. Cette technique est fondamentale en apprentissage profond (deep learning) pour enrichir artificiellement les jeux de données, ce qui aide à améliorer la robustesse et la performance des modèles de vision par ordinateur en les exposant à une plus grande variété de scénarios (changements de luminosité, d'angle, de couleur, etc.).