Pourquoi l'action flattenImages est-elle le pont essentiel entre vos données brutes d'imagerie et vos algorithmes de Machine Learning classiques ?

Dans l'écosystème SAS Viya, la plupart des algorithmes de Machine LearningBranche de l'IA utilisant des algorithmes pour apprendre des modèles à partir de données. Il permet d'automatiser des prédictions ou des décisions sans programmation explicite de chaque règle. traditionnels s'attendent à recevoir des données sous forme de tableaux standards où chaque ligne représente une observation et chaque colonne une caractéristique (feature). L'action flattenImages remplit ce rôle critique en convertissant des images stockées sous forme binaire dans des plans de données CAS en un format dit large.

Cette transformation crée une colonne pour chaque pixel de l'image. Si vous travaillez sur des projets de classification d'images ou de détection d'anomalies nécessitant des modèles de régression ou de forêts aléatoires, cette action est le passage obligé pour déplier l'information visuelle en un vecteur numérique directement consommable par le moteur Cloud Analytic ServicesMoteur d'exécution in-memory de SAS Viya. Il assure le traitement massivement parallèle (MPP) et distribué des données pour optimiser les performances analytiques et le passage à l'échelle..

Exemples pour l'action flattenImages

Aplatissement basique en niveaux de gris

On transforme les images en format 28x28 pixels en une seule ligne de 784 colonnes.

Aplatissement expert avec regroupement de canaux et métadonnées

Dans cet exemple, on aplatit des images en 32x32 couleur, en regroupant les canaux (R, G, B séparés) et en gardant explicitement certaines colonnes d'origine.