| Oratore |
Trascrizione |
| Heidi Hardner |
Salve, sono Heidi Hardner e vi parlo da Minneapolis, Minnesota. |
| Serkay Olmez |
E questo è Serkay Olmez, e sto parlando da Longmont, Colorado. |
| Heidi Hardner |
Lavoriamo presso Seagate Technology, dove entrambi abbiamo una lunga esperienza nell'utilizzo di JMP e JSL e nella condivisione di script JMP con i nostri colleghi. Illustreremo alcuni casi d'uso di immagini ??? in tabelle dati JMP e condivideremo alcuni strumenti JSL correlati. |
| |
Presso Seagate, le testine di registrazione vengono sottoposte a numerosi processi di produzione, dalla fabbricazione dei wafer all'installazione nell'unità. |
| |
Per questo motivo, spesso esaminiamo dati molto ampi in cui ogni testa è una riga e ci sono moltissime colonne. |
| |
Poiché molti processi producono immagini che possono includere molte immagini diverse per testina, potremmo avere dati molto alti provenienti da più testine che passano attraverso un singolo processo e che appaiono molto simili tra loro nelle immagini metrologiche. |
| |
I nostri set di dati scaricati oggi non sono immagini Seagate, ma avranno delle somiglianze con queste situazioni e spero che tracciare questi parallelismi possa aiutarti a tracciare parallelismi con i tuoi casi d'uso. |
| |
JMP offre immagini e tabelle di dati da diversi anni, ma personalmente sono stato lento ad apprezzarlo. |
| |
Spero che in questi casi d'uso possiate vedere i diversi modi in cui può rivelarsi prezioso, soprattutto attraverso la connessione interattiva flessibile delle immagini ad altri dati. |
| |
Vorrei inoltre sottolineare l'importanza di memorizzare i percorsi delle immagini nella tabella, soprattutto se è possibile avere percorsi condivisi. |
| |
Infine, condivideremo entrambi il JSL che mostreremo nei materiali di supporto. Questo è un punto di partenza letterale. Troverete un elenco di questi alla fine di questa presentazione PowerPoint. |
| |
Gran parte dell'esplorazione utile con le immagini è piuttosto elementare e i nostri script sono pronti all'uso anche senza la conoscenza di JSL, ma contengono anche una vasta gamma di elementi su cui puoi basarti nei tuoi script JMP. |
| |
tre cose che includono percorsi di immagini accessibili al pubblico fino al mio secondo spunto. |
| |
La prima è una tabella dati tratta dal catalogo online dei Mets. Include esempi con più immagini per oggetto o riga nella tabella dati. |
| |
Consultare un catalogo è stata per me una vera e propria tana del Bianconiglio, che consiglio vivamente. Il secondo set di dati è costituito da immagini astronomiche. Sono merito di Russ Durkee dello Shed of Science Observatory. |
| |
Si tratta di dati metrologici riga per immagine, in cui le immagini sono molto simili tra loro a prima vista. Notate quindi i parallelismi con quanto ho appena detto sui casi d'uso dei dati della nostra fabbrica di testine di registrazione. |
| |
E a proposito di tane di coniglio in cui sono stato, la terza cosa è JSL che implementa l'API Omeka |
| |
Per accedere alle collezioni accademiche online. Questo grazie alla Dott.ssa Heather Shirey per l'aiuto nell'accesso a questi database. Il suo progetto di mappatura dell'arte urbana è un'altra cosa interessante che dovreste assolutamente scoprire online. |
| |
Ma il punto tecnico è che chiunque può usare questo codice per provare a interrogare il database e ottenere risultati che combinano percorsi di immagini con altri dati per creare il tipo di tabella su cui si basano i nostri strumenti. |
| |
Passiamo subito a una demo live di JMP. Prima di esaminare questo tipo di set di dati, cosa succede se si dispone solo di una pila di immagini? |
| |
tabella delle immagini dalle cartelle. E questo ci permette di scegliere una cartella. Ho una cartella con alcune immagini di esempio da |
| |
Dati del catalogo Met. E puoi vedere che ci sono alcune cartelle e quando seleziono questa cartella ottengo rapidamente una tabella con |
| |
Nella colonna tutte queste schede portano alle immagini. Ha cercato le estensioni dei file che ritiene siano immagini e ha anche suddiviso alcune cartelle per |
| |
Le sottocartelle, sai, come attributi nei dati. Ora, abbastanza spesso, abbiamo casi d'uso in cui i nomi delle cartelle contengono una quantità di qualche tipo di attributo significativo che si desidera che i dati abbiano. |
| |
Questo è uno script che potresti personalizzare ulteriormente nella mia versione Seagate. Di solito ho un identificatore principale incorporato nel nome del file, quindi ho un'analisi per questo che è integrata automaticamente nella mia versione personale di questo script. |
| |
Passiamo velocemente a uno dei nostri principali set di dati di esempio. Questi sono i dati del museo di cui ho parlato. E questo è più corposo, potete vedere che ha |
| |
Ha una riga per oggetto, ma contiene anche dei dati numerici. Quindi elenca gli oggetti. Ha un sacco di dati di attributo. Quindi c'è un sacco di... |
| |
Un set di dati più consistente qui. Ma poi, se scorriamo, possiamo vedere che all'interno del set di dati ci sono i percorsi per le immagini, gli URL a cui si riferiscono. |
| |
sono ospitati e puoi vedere che ci sono fino a cinque immagini distinte per alcune righe. |
| |
Quindi, il mio secondo strumento, "Image Table Important Images", è tutto ciò che effettivamente importa le immagini nella tabella e può gestire più percorsi. Questi possono essere anche percorsi locali. Non devono essere necessariamente un URL. |
| |
Una volta condivisi i dati demo, potrete andare a prenderli... È già fatto. Volevo dire brevemente... parlare brevemente di cosa sta facendo dietro le quinte. |
| |
Quando JMP apre qualcosa che riconosce come immagine, può trattarsi di un oggetto immagine. E ci sono diversi messaggi di comando JSL che l'oggetto immagine può accettare, come ad esempio "get size", "get pixels", "save image". Li troverete nel codice che stiamo condividendo. |
| |
Andiamo, voglio vedere i risultati... le immagini nella tabella. Questo script fa anche altre cose oltre a inserire le immagini. |
| |
È... lasciatemi aprire un altro esempio con un altro frammento di codice su questo argomento. Quindi, le immagini vanno in una colonna, una colonna di tipo espressione, quindi si crea un tipo di dati espressione, come inserire le immagini. |
| |
Sto anche creando un gestore eventi per quella colonna. Questo utilizza un messaggio speciale per la casella del grafico: aggiungi un'immagine all'oggetto immagine e la aggiungi direttamente in una casella del grafico. Ti mostrerò cosa fa, ma è... è... gestore eventi Click. |
| |
E si ridimensiona anche, quindi il fatto che sia diventato più alto è dovuto al fatto che è un po' più grande. |
| |
È qualcosa che puoi fare, il mio script lo fa, ma anche di default, sai, se inserisci delle immagini, potresti ottenere qualcosa di veramente piccolo come questo, il che potrebbe essere fantastico |
| |
per visualizzare una matrice di grandi dimensioni, ma forse vale la pena sapere che, sai, sembra che non so come potrei mai vedere le mie immagini che dovrebbero apparire così piccole in JMP, puoi anche allargarle manualmente. |
| |
E lo script si incorpora anche nella tabella. È utile saperlo fare, e la logica qui è che, sapete, |
| |
la tabella dei dati è diventata davvero grande quando abbiamo incorporato tutte queste immagini, e sono immagini complete incorporate in |
| |
I dati per le immagini complete vengono incorporati quando ciò accade, quindi potrei voler inviare questo set di dati a qualcuno e fargli sapere che può recuperarlo senza dover conoscere il mio menu di strumenti speciali. Potrebbero eseguire questa operazione per reimportare le immagini. |
| |
Ciò che volevo mostrare è che quando clicchi qui, viene creata una versione a grandezza naturale o più grande dell'immagine che puoi vedere. |
| |
Quindi, come ho detto, gran parte del vantaggio di avere immagini nella tabella dati si rivela essere la semplicità delle funzionalità esplorative di JMP. Ad esempio, posso prendere queste colonne e riordinarle. |
| |
E spostandoli con altre cose sarà più interessante guardare l'intera tabella delle dimensioni dei file. |
| |
E in questo modo, sai, posso semplicemente navigare, posso ordinare, posso vedere qui che ho ordinato le immagini in base al numero, o la riga ordinata in base al numero di immagini che funzionano. |
| |
Quindi, se scorro verso il basso, posso vedere visivamente che, riorganizzando, ottengo diverse colonne di interesse accanto a queste. Posso effettivamente ottenere molte immagini in una griglia. |
| |
Sul tavolo. Ecco, ho questo gruppo e ho creato la mia colonna di raggruppamento. Così potrei riorganizzarlo. Semplicemente riordinando le colonne, potrei incollarlo accanto alle immagini. |
| |
nel caso volessi rivederlo scorrendo. Quindi, spostare, ordinare e riorganizzare è parte del vantaggio di avere immagini in un |
| |
tabella. Uno dei miei casi d'uso personali è il monitoraggio di alcune metriche importanti che provengono dalle immagini e, nel mio caso, derivano in realtà da una combinazione di immagini diverse. |
| |
E io esaminerei questi dati o cercherei valori anomali e modalità sospette che apparirebbero ripetutamente nei dati. |
| |
E in questo caso d'uso, non avrei 85, ho decine di migliaia di righe che sto esaminando e le immagini saranno una parte utile per esplorare cosa non va nei dati. |
| |
Permettetemi di fare un grafico di esempio qui, proprio così... in questo caso altezza per larghezza di questi oggetti del museo. E lasciatemi tornare indietro e mostrarvi una cosa che potete fare. Cliccando con il tasto destro qui, posso creare un'etichetta da questa prima colonna. |
| |
E quindi, se guardo i dati, posso esaminarli e dire che c'è qualcosa che sporge. Perché è così tanto più largo che alto? Beh, non è stato un errore. È davvero un'ampia |
| |
opere d'arte lì, quindi ha senso. Quindi posso avere, sai, un fatto che salta fuori. Se ho molte cose diverse a cui sono interessato inserite in questo cluster qui sotto, sembra che ci sia molto |
| |
di questi ragazzi che sono simili per dimensioni, forse sembra interessante. |
| |
Di nuovo, posso, posso esaminarli singolarmente con le etichette. Ma se i miei dati sono davvero grandi, potrei fare altre cose esplorative. Posso tornare ai dati e usare F7 per sfogliarli. |
| |
per le cose che sono state selezionate. Ovviamente, avendo selezionato delle cose, potrei semplicemente sottoporre alcune di queste a un sottoinsieme per ottenere, sai, ottenere |
| |
Solo un set di dati più piccolo. Una delle cose esplorative che vorrei mostrare, una delle mie preferite, è la selezione delle righe. |
| |
Potrei selezionare i nomi e le colonne. Quindi, diciamo che questa è una modalità strana e sa già che vorrei chiamarla "stravagante", facendo così. |
| |
E dirò, ehi, ci sono delle stranezze nei dati che voglio analizzare. E mi verrà creata una colonna alla fine con numeri uno e zero per indicare se le cose sono strane o meno. |
| |
E parte di ciò che è utile è che, immaginiamo che il mio set di dati sia davvero grande. E quindi, sfogliandoli, non è un granché. |
| |
E diciamo che è così grande che non voglio includere le immagini. Non voglio inserirle, era irrealizzabile. Quindi eccomi di nuovo con il mio set di dati. |
| |
E ho queste stranezze che mi interessano. E posso andare al sottoinsieme e, invece di sottometterle tutte, diciamo che forse ce ne sono migliaia in questo gruppo, posso usare quella colonna per fare la stratificazione. |
| |
Quindi potrei dire, tipo, ne ho selezionati solo 11, quindi diciamo che ne sceglierò cinque. Deciderò di stratificare sui più strani. |
| |
E quello che otterrò saranno cinque immagini strane e cinque non strane, scelte a caso, e sapete, qui posso, potrei ordinarle e potrei recuperare le immagini. Quindi ora potrei dire, va bene, voglio solo vedere, |
| |
Forse voglio solo vedere uno e due, o quello che vuoi, solo per il piccolo set. Quindi, di nuovo, spero che questo mostri come trascinare lungo quei percorsi anche dati molto grandi, dove non sembra utile |
| |
Se hai le immagini o sai che è possibile inserirle, potrei semplicemente... prenderne un sottoinsieme. E poi potrei sfogliarle e dire: "Cosa c'è di diverso nelle stranezze?". Posso sistemarle. |
| |
Ora voglio mostrarvi un altro caso d'uso. Quindi |
| |
in questo caso d'uso ho imparato a fare una classificazione di immagini con apprendimento profondo e così via |
| |
in questo caso, sai...mi ha davvero colpito in modo decisivo il fatto che le immagini sono letteralmente dati. |
| |
Ecco un esempio. Se io, nel mio caso, ovviamente, sto guardando una registrazione, ci sono diverse visioni di essa. Stavo cercando di classificare queste diverse visioni. |
| |
Sensazione giusta??? e qualcos'altro che si concentra su una parte diversa della testa. E quindi eccomi qui a simulare questa cosa con la statua del gatto, prendendola dai dati artistici, e a categorizzarla. Ecco la parte posteriore, rivolta verso destra, rivolta in avanti e così via. |
| |
sai, questo, questo, tutto questo progetto di apprendimento automatico non sta avvenendo in JMP ma c'è bisogno lì |
| |
Per questo prodotto di categorizzazione Python ??? TensorFlow, forniamo dati di training. E alla fine, per esaminare i risultati che vengono restituiti, che finiscono per essere sotto forma di file annidati in cartelle. Permettetemi quindi di mostrarvi rapidamente un altro dei nostri strumenti. Questa immagine |
| |
Eccoci qui. Tabella immagini. Questi strumenti. |
| |
Due cartelle ed ecco...posso scegliere le immagini. |
| |
Questi sono i percorsi o le immagini nella tabella dati e posso scegliere alcune colonne di attributi e trasformarle in |
| |
cartelle di file per categorie di cartelle nidificate. Qui gli dirò di usare la colonna "nome file" come nome. |
| |
In genere, posso sempre avere un prefisso o modificare le dimensioni. Il ridimensionamento è un'altra cosa che è emersa in modo significativo in questo apprendimento automatico. Ho impostato il mio modello in modo che si aspetti il caricamento di immagini di una certa dimensione. Quindi, quando questo funziona, invierà le mie immagini. |
| |
nella cartella. |
| |
c'è un problema qui dove è andato a finire. |
| |
Lasciami ripetere l'operazione. Le immagini... la tabella delle immagini nelle cartelle. |
| |
Credo di aver cliccato sulla cosa sbagliata. Ho qui la cartella delle immagini di machine learning in cui voglio inserirle velocemente. |
| |
Rivedilo. |
| |
Cliccando sui nomi dei file. |
| |
E li sistemerà nella cartella. |
| |
Quindi, ecco qui i miei set di dati di test e di addestramento e, ops, ho scelto la cosa sbagliata per le mie categorie. Categorizziamoli in base alle cose che ho scelto nelle colonne. |
| |
Quindi l'idea è che, sai, devo inserire i miei dati categorizzati nella struttura delle cartelle dei file. |
| |
E l'altro aspetto è che è utile nei dati...per farlo in JMP nella tabella dati, quindi è utile elaborare queste categorie di addestramento. |
| |
gruppi all'interno di JMP. Ho già mostrato che potremmo eseguire la stratificazione ed ecco un altro esempio in cui, poiché ho i dati, le altre colonne di dati, come il dipartimento, nel |
| |
Nel set di dati. Posso tornare indietro e vedere, tipo, ehi, ho suddiviso il mio set di test e quello di addestramento in modo equilibrato? Quindi, quando ho, per esempio, l'arte egizia, ho fatto un buon lavoro sull'arte egizia. |
| |
Essendo in parte coinvolto nel compito, in parte nella formazione, non tanto nell'altra categoria. Quindi in JMP so di avere gli altri dati. |
| |
colonne. Sono utili per creare il mio set di training per i test, assicurandomi di avere gruppi bilanciati e inoltre posso salvare questa tabella e avere una traccia di ciò che c'era nel... |
| |
quello che c'era nella formazione che ho fatto. Quindi, ecco. L'ultima cosa che volevo dire a riguardo è che i dati di questo museo non catturano molto bene |
| |
L'idea che le immagini metrologiche siano tutte molto simili. Quindi, poiché questi gatti sono tutti così unici, potresti dover guardare molto attentamente quando scorri qui per vedere, |
| |
sai, è questa la parte posteriore di un gatto o la parte anteriore con la faccia consumata o qualsiasi altra cosa, e |
| |
Parlerò più approfonditamente del caso in cui le immagini metrologiche sono davvero molto simili tra loro. Ed è potenzialmente molto utile scorrerle semplicemente osservando le cose a occhio nudo. Dopodiché ascolteremo Serkay con il suo strumento PowerPoint. |
| Serkay Olmez |
Ok, lasciatemi condividere il mio schermo. |
| |
Bene. |
| |
Quindi ciò di cui parlerò è uno script che consente di caricare le immagini elencate in una tabella JMP in PowerPoint. |
| |
Quindi, quello che vuoi fare è raccogliere le immagini dai link elencati nella tabella e inserirle in PowerPoint con un modello a tua scelta. Quindi puoi creare questa tabella con |
| |
frammenti di codice che Heidi ha già mostrato e questo script presuppone che tu abbia già una tabella e che tu abbia i link al suo interno. |
| |
Eseguirò lo script e ti dirò cosa fa. |
| |
Quindi, se lo eseguo, viene visualizzata questa interfaccia in cui è possibile selezionare le colonne come attributi. Prima di tutto, è necessario selezionare il percorso dell'immagine in modo che JMP sappia da dove prelevare tali immagini e |
| |
Puoi anche aggiungere etichette. Queste etichette appariranno in PowerPoint come colonne e puoi anche decidere che tipo di layout desideri in PowerPoint. Quindi mostrerò solo una griglia. |
| |
layout prima. Quindi ci saranno quattro colonne e due righe in questo caso. E si preme Esporta. Quello che fa è avviare PowerPoint e PowerPoint eseguirà |
| |
vai a raccogliere quelle immagini e il programma creerà le diapositive. Ci vorranno dai 10 ai 20 secondi perché estrarrà 20 immagini da un server. |
| |
Una volta completato, avrete la presentazione PowerPoint con una struttura ben strutturata. E quelle colonne, ricordate, sono quelle da cui la tabella deriva, ovvero le colonne che avete selezionato all'inizio nell'interfaccia utente. Quindi, ottenete questo risultato rapidamente e, ovviamente, potete modificarlo. |
| |
il layout qui. Ad esempio, supponiamo che tu voglia fare |
| |
Una cosa diversa. Quindi c'è questa selezione di layout qui. Diciamo che vuoi fare una riga e magari lasciare un po' di spazio sotto in modo da poter inserire dei commenti. Quindi puoi semplicemente rieseguire questo |
| |
JMP indicherà a PowerPoint come impostare il layout. Una volta completato, avrà una riga per le immagini per diapositiva. |
| |
Sembra così e |
| |
Un'altra cosa che fa lo script è dividere le diapositive in categorie. Oppure, se c'è un attributo principale nei dati e vuoi iniziare... vuoi iniziare una nuova diapositiva. |
| |
Quando quell'attributo cambia. Prendiamo, ad esempio, il mezzo e lo inseriamo nelle etichette delle diapositive, in modo che vengano create etichette in alto. È come per i titoli. |
| |
E ha anche diviso questa piccola presentazione PowerPoint in categorie. Quindi, ogni volta che cambia questo attributo del mezzo, verrà avviata una nuova diapositiva. Se faccio solo questo, |
| |
Farà la stessa cosa di nuovo tra 10-20 secondi. Ora li raggrupperà in diverse categorie. Quindi, avrai un bell'aspetto. |
| |
serie di diapositive, |
| |
Che cosa verrà diviso. Quindi, ad esempio, hai una diapositiva per il materiale medio, che equivale a ottone, ne avrai una per il bronzo e sembra che ci sia un solo elemento da quella. Ho selezionato ??? righe nei dati e ci saranno ceramica, ecc. Quindi questo separa le diapositive. |
| |
L'ultima cosa che mostrerò a titolo dimostrativo è che a volte le persone desiderano un layout un po' più complesso. Un modello, ad esempio, potrebbe richiedere di guardare un'immagine. |
| |
in modo più grande, quindi vogliono mettere un'immagine grande a sinistra, forse un paio in più a destra. Quindi puoi creare modelli così complicati |
| |
Andando... selezionando un layout diverso, e questi vengono eseguiti tramite script. Quindi avevo questo layout da grande a piccolo. Ci sarà un'immagine grande sul lato sinistro e due piccole sovrapposte a destra. Quindi, se fai semplicemente questo |
| |
farà la stessa cosa, ma questa volta il layout sarà diverso. |
| |
Ci vorranno dai 10 ai 20 secondi per preparare le diapositive. |
| |
Ecco fatto. Un'immagine grande a sinistra e due piccole a destra. |
| |
E l'ultima cosa che vi mostrerò riguarda la personalizzazione dello strumento. Rilasceremo questo strumento come parte di questo grande componente aggiuntivo che gestisce tutte quelle operazioni di manipolazione delle immagini. Quindi, se aprissi questo molto velocemente, |
| |
quindi questo è personalizzabile dall'utente, quindi gli utenti possono entrare e cambiare il tipo di colonne che vogliono inserire nei ruoli automaticamente. E così |
| |
Gli utenti possono personalizzarlo a proprio piacimento. E un'ultima cosa che voglio menzionare riguarda i modelli specializzati. Quindi questi modelli |
| |
Ne ho appena mostrato uno, da grande a piccolo, creato da script esterni allo strumento. Quindi ne forniremo due. Ma l'idea è che, se l'utente ha abbastanza esperienza, possa sviluppare |
| |
il proprio modello e inserirlo nello strumento e lo strumento lo riconoscerà, oppure lo sviluppatore può sviluppare sempre più modelli |
| |
Specificato... specifico per un particolare cliente o utente. Quindi, questo sarà parte del componente aggiuntivo che pubblicheremo. Questo è tutto quello che ho. Heidi può riprenderselo. |
| Heidi Hardner |
Va bene, va bene. |
| |
Mi dispiace. Sono tornato e |
| |
Ora stiamo esaminando un set di dati diverso. Queste immagini astronomiche di Shed of Science. |
| |
E come pubblicizzato, queste immagini sono di più... sono immagini metrologiche e state osservando un frammento di cielo notturno in questa piccolissima immagine. E anche in queste dimensioni e portata così ridotte, |
| |
Potete vedere, potete vedere del movimento lì. E potete vedere delle cose anomale, come qui, quando spunta qualcosa. |
| |
E questo è parte del punto che volevo sottolineare quando stavo guardando Classify per il mio progetto di apprendimento automatico e ho immagini che nominalmente sembrano molto, molto simili tra loro. È molto facile scorrere e vedere qualcosa di anomalo come questo. |
| |
Ma in realtà farò una dimostrazione più grafica, ingrandendola e scorrendola di nuovo. Quindi lasciatemi dire velocemente |
| |
Descriviamo cosa vedremo. Ecco una visualizzazione dell'intensità del bianco su queste immagini in funzione del tempo. Quindi, scorrendole, sono ordinate in base al tempo. |
| |
E una cosa che non vedrete, che non è molto visibile a occhio nudo, è questa grande e lenta tendenza nell'intensità. |
| |
Applicheremo le etichette. Potete vedere di nuovo qui come si usano le etichette per vedere. Sì, se l'intensità è molto alta. È perché c'è una striscia attraverso le esposizioni di 60 secondi, qualcosa che passa in quelle immagini. Possiamo anche vedere attraverso le irregolarità nei dati. Ed è lì che si vede il |
| |
Il telescopio si è spostato, un po' dello sfondo si muove e poi si ripristina, lo si può vedere scorrendo. Quindi, solo una piccola anteprima. |
| |
Ora mostrerò come espandere questa immagine in modo molto più grande, in modo che anche all'interno della tabella dei dati possiamo vedere una vista piuttosto ampia delle immagini, solo un po' più grande. |
| |
E ricominciamo dall'inizio, nel tempo. Quello che voglio che facciate è osservare questo punto, osservare quell'oggetto mentre scorriamo i dati. |
| |
E speriamo che quello che stiamo vedendo sia un asteroide che si muove verso sinistra, sullo sfondo delle stelle. E quello è un asteroide, 2171 Kiev. |
| |
Cioè, stiamo vedendo che era un'intenzione reale quella di queste immagini metrologiche. Quindi, abbiamo solo una dimostrazione grafica del fatto che, nelle giuste circostanze, è possibile utilizzare anche solo lo scorrimento delle immagini nella tabella. |
| |
Annotazione della tabella delle immagini. Questo vale per il caso opposto, in cui si desidera semplicemente esaminare le immagini una per una. |
| |
Ciò che accade quando clicchi qui è che, ancora una volta, puoi scegliere se usare il percorso o le immagini incorporate. |
| |
Hai la possibilità di avere una sorta di identificatore, mettiamo qui la data oppure ti darà solo un numero di riga e puoi avere un altro attributo, mettiamo qui il telescopio, |
| |
sui dati. E questo crea un piccolo strumento di markup che ti permetterà |
| |
Fare delle classificazioni generiche. Questo è un tre, potrei dire qualcosa qui. Un commento sui dati. |
| |
E ho anche un mirino, quindi posso effettuare misurazioni. Misurerà in pixel sull'immagine e sposterà il mirino per registrare le posizioni e il |
| |
delta e pixel quando clicco su Registra. Ora, prima di procedere, sai, uno dei motivi per cui ci sono molti modi diversi per fare il markup con i dati commerciali |
| |
strumenti, parte della motivazione per fare questo in JMP è, ancora una volta, che si hanno, insieme all'immagine, tutti questi altri dati nella tabella. |
| |
Qui è rappresentato solo da questa colonna. Ma, ripeto, è qualcosa che si presta bene alla personalizzazione. Nella mia piccola versione, sto guardando le immagini. |
| |
E sto stampando qui, in questa vista, una piccola mappa di dove si trovava la testa sul wafer o altri dati. O forse la ricetta dell'immagine indicava le dimensioni che posso provare a verificare. |
| |
Quindi, la possibilità di avere questa unione tra immagine ed elementi, è possibile anche solo per questo? Ma poi, quando clicchiamo su "Registra", quello che succede è che, spostandoci a destra, vedremo che aggiungono colonne e |
| |
(Le colonne sono così alte che rimpiccioliamole un po'.) |
| |
Potete vedere qui nella riga 3 e registrarlo. No, non voglio spostare il mirino bianco, quindi ottengo una distanza verticale e le posizioni del mirino, i miei commenti e le mie classificazioni vengono bloccati nella tabella, nella riga corretta. |
| |
Un'altra cosa che vediamo qui è un'altra colonna di immagini. Ed è qui che ho inserito alcune immagini che sono grafici JMP. I grafici JMP possono essere immagini. |
| |
E nella tabella dati che stiamo condividendo, ho incorporato il codice. Qui vedrete che crea queste immagini e prevede l'utilizzo del messaggio "get pixels" per le immagini che abbiamo, |
| |
ottenendo una matrice dei dati, tagliando una fetta lungo la direzione in cui si muove l'asteroide e calcolando la media dell'intensità. Puoi sfogliare e vedere |
| |
Il picco che si muove in queste immagini. Ma il vero punto era quello che ho appena menzionato. |
| |
Alcuni dei nostri casi d'uso che abbiamo sempre a Seagate in cui avremo una riga di dati per una testina e quali valori ci sono, come una frequenza di picco che proviene da un intero spettro o un valore ottimale che proviene da un'ottimizzazione sweep ecc. e |
| |
Queste scansioni potrebbero effettivamente trasformarsi in immagini nei dati. E naturalmente ci sono buone ragioni per cui eseguiamo questo tipo di estrazione di caratteristiche su immagini o curve complesse. |
| |
I valori semplici come la frequenza possono essere utilizzati più direttamente in una varietà di analisi JMP come |
| |
Le piattaforme statistiche di JMP, ma spero che entrambi abbiamo dimostrato che ci sono molte cose utili che si possono fare se si inseriscono le immagini nella tabella in relazione a una serie di altre colonne di dati. |
| |
In particolare, sai, spero che vedendo i grafici come immagini, ti venga subito in mente la demo di PowerPoint di Serkay e che i grafici siano un po' come cose che si possono disporre in un PowerPoint in un certo modo. |
| |
Comunque, spero che i vari pezzi di JSL che abbiamo condiviso possano esserti utili e che ti ispirino a fare di più con le immagini. Grazie. |
