Lors de l'utilisation de outputFormat, la valeur MULTIPLE_ROWS est généralement recommandée par les architectes de solutions. Contrairement à MULTIPLE_COLUMNS qui multiplie les colonnes sur une seule ligne, MULTIPLE_ROWS génère une ligne distincte dans la table de sortie pour chaque objet détecté. Cette structure facilite l'intégration dans les plans de données car elle permet d'appliquer des fonctions statistiques, des filtres where ou des jointures SQL directement sur les objets, sans se soucier du nombre variable de détections par image originale.
Pourquoi le paramètre MULTIPLE_ROWS est-il le secret d'une base de données d'images parfaitement structurée ?
Exemples pour l'action extractDetectedObjects
Découpage (Crop) basique d'objets
Cet exemple extrait les objets détectés en créant une nouvelle image recadrée pour chaque détection.
Mise en évidence (Highlight) avec format YOLO et métadonnées
Dans cet exemple, nous encadrons les objets sur l'image d'origine en utilisant le format de coordonnées YOLO, tout en limitant l'extraction à 5 objets et en conservant les variables d'origine.
Extraction en colonnes multiples pour analyse par lot
Ici, on extrait les objets mais on les stocke dans des colonnes différentes sur la même ligne pour faciliter la comparaison d'objets au sein d'une même image source.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
RECT, COCO ou YOLO : quel format de coordonnées choisir pour garantir l'interopérabilité de vos données ?
Comment extraire instantanément des milliers d'objets détectés dans vos flux d'images avec SAS Viya ?
Extraction par Crop ou Highlight : quelle stratégie adopter pour optimiser vos futurs entraînements ?
Comment limiter la charge de calcul lors de l'extraction d'images ultra-denses en objets ?
Peut-on conserver les métadonnées d'origine lors de l'extraction des objets ?