Difference between revisions of "Orange: Import Images"

From OnnoWiki
Jump to navigation Jump to search
Line 2: Line 2:
  
  
−
Import images from a directory(s).
+
Import image (gambar) dari directory.
  
 
==Output==
 
==Output==
Line 8: Line 8:
 
  Data: Dataset describing one image in each row.
 
  Data: Dataset describing one image in each row.
  
−
Import Images walks through a directory and returs one row per located image. Columns include image name, path to image, width, height and image size. Column with image path is later used as an attribute for image visualization and embedding.
+
Import Images men-scan direktori dan mengembalikan satu baris per gambar yang terambil. Dalam kolom terdapat nama gambar, path directory ke gambar, lebar, tinggi dan ukuran gambar. Kolom dengan path directory tempat gambar kemudian digunakan sebagai atribut untuk visualisasi dan embedding gambar.
  
 
[[File:ImportImages-stamped.png|center|200px|thumb]]
 
[[File:ImportImages-stamped.png|center|200px|thumb]]
Line 18: Line 18:
 
* Access help.
 
* Access help.
  
−
You can load a folder containing subfolders. In this case Orange will consider each folder as a class value. In the example above, Import Images loaded 26 images belonging to two categories. These two categories will be used as class values.
+
Kita dapat me-load folder yang berisi subfolder. Dalam hal ini Orange akan mempertimbangkan setiap folder sebagai nilai class. Pada contoh di atas, Import Images memuat 26 gambar yang termasuk dalam dua kategori. Dua kategori ini akan digunakan sebagai nilai class.
  
 
[[File:ImportImages-class.png|center|200px|thumb]]
 
[[File:ImportImages-class.png|center|200px|thumb]]
Line 25: Line 25:
 
==Contoh==
 
==Contoh==
  
−
Import Images is likely the first widget you will use in image analysis. It loads images and creates class values from folders. In this example we used Import Images to load 26 painting belonging to either Monet or Manet.
+
Widget Impor Gambar kemungkinan merupakan widget pertama yang akan kita gunakan dalam image analysis. Ini me-load gambar dan menciptakan nilai class dari folder. Dalam contoh ini, kita menggunakan Widget Import Images untuk memuat 26 lukisan milik Monet atau Manet.
  
−
We can observe the result in a Data Table. See how Orange added an extra class attribute with values Monet and Manet?
+
Kita dapat mengamati hasinya di Widget Data Table. Bisa terlihat dengan jelas bagaimana Orange menambahkan class attribute tambahan dengan nilai Monet dan Manet.
  
−
Now we can proceed with standard machine learning methods. We will send images to Image Embedding, where we will use Painters embedder to retrieve image vectors.
+
Selanjutnya kita dapat melanjutkan ke metoda machine learning standard. Kita kirim image ke widget Image Embedding, dimana kita akan menggunakan Painters embedder untuk menerima image vector.
  
−
Then we will use Test & Score and Logistic Regression, to build a model for predicting the author of a painting. We get a perfect score? How come? It turns out, these were the images the Painters embedder was trained on, so a high accuracy is expected.
+
Kemudian kita akan menggunakan Widget Test & Score dan Widget Logistic Regression, untuk membuat model untuk predict pelukis dari sebuah lukisan (dalam hal ini Monet atau Manet). Kita memperoleh score yang baik sekali? Bagaimana mungkin? Ternyata, gambar-gambar ini adalah gambar yang sudah di train-kan ke Painters embedder, oleh karenanya keakuratan yang akan di peroleh akan tinggi.
  
 
[[File:ImportImages-Example.png|center|200px|thumb]]
 
[[File:ImportImages-Example.png|center|200px|thumb]]

Revision as of 11:32, 12 March 2020

Sumber: https://orange.biolab.si/widget-catalog/image-analytics/importimages/


Import image (gambar) dari directory.

Output

Data: Dataset describing one image in each row.

Import Images men-scan direktori dan mengembalikan satu baris per gambar yang terambil. Dalam kolom terdapat nama gambar, path directory ke gambar, lebar, tinggi dan ukuran gambar. Kolom dengan path directory tempat gambar kemudian digunakan sebagai atribut untuk visualisasi dan embedding gambar.

ImportImages-stamped.png
  • Currently loaded folder.
  • Select the folder to load.
  • Click Reload to update imported images.
  • Information on the input.
  • Access help.

Kita dapat me-load folder yang berisi subfolder. Dalam hal ini Orange akan mempertimbangkan setiap folder sebagai nilai class. Pada contoh di atas, Import Images memuat 26 gambar yang termasuk dalam dua kategori. Dua kategori ini akan digunakan sebagai nilai class.

ImportImages-class.png


Contoh

Widget Impor Gambar kemungkinan merupakan widget pertama yang akan kita gunakan dalam image analysis. Ini me-load gambar dan menciptakan nilai class dari folder. Dalam contoh ini, kita menggunakan Widget Import Images untuk memuat 26 lukisan milik Monet atau Manet.

Kita dapat mengamati hasinya di Widget Data Table. Bisa terlihat dengan jelas bagaimana Orange menambahkan class attribute tambahan dengan nilai Monet dan Manet.

Selanjutnya kita dapat melanjutkan ke metoda machine learning standard. Kita kirim image ke widget Image Embedding, dimana kita akan menggunakan Painters embedder untuk menerima image vector.

Kemudian kita akan menggunakan Widget Test & Score dan Widget Logistic Regression, untuk membuat model untuk predict pelukis dari sebuah lukisan (dalam hal ini Monet atau Manet). Kita memperoleh score yang baik sekali? Bagaimana mungkin? Ternyata, gambar-gambar ini adalah gambar yang sudah di train-kan ke Painters embedder, oleh karenanya keakuratan yang akan di peroleh akan tinggi.

ImportImages-Example.png



Referensi

Pranala Menarik

Retrieved from "https://onnocenter.or.id/wiki/index.php?title=Orange:_Import_Images&oldid=60324"