Orange: Import Images

From OnnoWiki
Revision as of 11:32, 12 March 2020 by Onnowpurbo (talk | contribs)
Jump to navigation Jump to search

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