使用 ML.ANNOTATE_IMAGE 函式為圖片加上註解

本教學課程說明如何使用 ML.ANNOTATE_IMAGE 函式，從非結構化圖片資料擷取洞察資訊。處理大型圖片存放區時，您可能需要自動分類檔案、偵測特定物件，或擷取圖片屬性，讓資料集可供搜尋。只要建立連結至 Cloud Vision API 的 BigQuery ML 遠端模型，即可使用標準 SQL，直接在 BigQuery 物件資料表上執行這些圖片分析工作，不必移動檔案或建構複雜的資料管道。

目標

• 建立資料集和資源連線。
• 為儲存在 Cloud Storage 的圖片檔建立物件資料表。
• 建立連結至 Cloud Vision API 的遠端模型。
• 使用 ML.ANNOTATE_IMAGE 函式為圖片加上註解。

費用

在本文件中，您將使用下列 Google Cloud計費元件：

• BigQuery
• Cloud Vision API

您可以使用 Pricing Calculator，根據預測用量估算費用。

初次使用 Google Cloud 的使用者可能符合免費試用期資格。

事前準備

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. Enable the BigQuery, BigQuery Connection API, and Cloud Vision API APIs, if any are not already enabled.

   Roles required to enable APIs

   To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

   Enable the APIs

必要的角色

如要取得完成本教學課程所需的權限，請要求管理員在專案中授予您下列 IAM 角色：

• 建立及使用 BigQuery 資料集、資料表和模型：BigQuery 資料編輯者 (roles/bigquery.dataEditor)
• 建立、委派及使用 BigQuery 連線：BigQuery 連線管理員 (roles/bigquery.connectionAdmin)
• 將權限授予連線的服務帳戶：專案 IAM 管理員 (roles/resourcemanager.projectIamAdmin)
• 建立 BigQuery 工作：BigQuery 工作使用者 (roles/bigquery.jobUser)

如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

您或許也能透過自訂角色或其他預先定義的角色，取得必要權限。

建立資料集

如要建立 BigQuery 資料集，請選取下列其中一個選項：

控制台

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 點選左側窗格中的 「Explorer」。

   

   如果沒有看到左側窗格，請按一下 「Expand left pane」(展開左側窗格)，開啟窗格。

3. 在「Explorer」中展開專案，然後按一下「資料集」。

4. 在「Datasets」(資料集) 頁面，按一下「Create dataset」(建立資料集)。

5. 在「建立資料集」窗格中，執行下列操作：

   • 在「Dataset ID」(資料集 ID) 中輸入 bqml_tutorial。

   • 在「資料位置」部分，選取「US」。

   其餘預設設定則保持不變。

6. 點選「建立資料集」。

bq

如要建立新的資料集，請使用 bq mk --dataset 指令。

1. 建立名為 bqml_tutorial 的資料集，並將資料位置設為 US：

   bq mk --dataset \
     --location=US \
     --description "BigQuery ML tutorial dataset." \
     bqml_tutorial

2. 確認資料集已建立：

   bq ls

API

使用定義的資料集資源呼叫 datasets.insert 方法：

{
  "datasetReference": {
     "datasetId": "bqml_tutorial"
  }
}

建立物件資料表

建立名為 my_object_table 的物件資料表，其中包含圖片內容。有了物件資料表，您不必將圖片從 Cloud Storage 移出，就能分析圖片。

物件資料表使用的 Cloud Storage bucket 應位於您要建立模型及呼叫 ML.ANNOTATE_IMAGE 函式的專案中。如要呼叫 ML.ANNOTATE_IMAGE 函式，但該函式與物件資料表使用的 Cloud Storage bucket 位於不同專案，則必須在 bucket 層級授予 Storage 管理員角色。

建立模型

建立名為 my_model 的遠端模型，並將 REMOTE_SERVICE_TYPE 設為 CLOUD_AI_VISION_V1：

CREATE OR REPLACE MODEL
`PROJECT_ID.bqml_tutorial.my_model`
REMOTE WITH CONNECTION DEFAULT
OPTIONS (REMOTE_SERVICE_TYPE = 'CLOUD_AI_VISION_V1');

將 PROJECT_ID 替換為專案 ID。

標註圖片

使用 ML.ANNOTATE_IMAGE 函式搭配偏好的特徵，為物件資料表中的圖片加上註解。

1. 如要為圖片中顯示的項目加上標籤，請使用 ML.ANNOTATE_IMAGE 函式和 label_detection 功能：

   SELECT *
   FROM ML.ANNOTATE_IMAGE(
   MODEL `PROJECT_ID.bqml_tutorial.my_model`,
   TABLE `PROJECT_ID.bqml_tutorial.my_object_table`,
   STRUCT(['label_detection'] AS vision_features)
   );

   將 PROJECT_ID 替換為專案 ID。

2. 如要偵測圖片中顯示的任何臉孔，並傳回圖片屬性 (例如主要顏色)，請使用 ML.ANNOTATE_IMAGE 函式搭配 face_detection 和 image_properties 功能：

   SELECT *
   FROM ML.ANNOTATE_IMAGE(
   MODEL `PROJECT_ID.bqml_tutorial.my_model`,
   TABLE `PROJECT_ID.bqml_tutorial.my_object_table`,
   STRUCT(['face_detection', 'image_properties'] AS vision_features)
   );

   將 PROJECT_ID 替換為專案 ID。

清除所用資源

為避免因為本教學課程所用資源，導致系統向 Google Cloud 收取費用，請刪除含有相關資源的專案，或者保留專案但刪除個別資源。

刪除專案

控制台

警告：刪除專案會出現以下結果：

• 專案中的所有內容都會遭到刪除。如果使用現有專案來進行本文中的任務，刪除專案將一併移除當中已完成的其他任務'。
• 自訂專案 ID 會消失。當您之前建立這個專案時，可能建立了想要在日後使用的自訂專案 ID。如要保留使用該專案 ID 的網址 (例如 appspot.com 網址)，請刪除在該專案中選取的資源，而不是刪除整個專案。

如果打算探索多種架構、教學課程或快速入門導覽課程，重複使用專案可避免超出專案配額限制。

1. 前往 Google Cloud 控制台的「Manage resources」(管理資源) 頁面。

   前往「Manage resources」(管理資源)

2. 在專案清單中選取要刪除的專案，然後點選「Delete」(刪除)。
3. 在對話方塊中輸入專案 ID，然後按一下 [Shut down] (關閉) 以刪除專案。

gcloud

警告：刪除專案會出現以下結果：

• 專案中的所有內容都會遭到刪除。如果使用現有專案來進行本文中的任務，刪除專案將一併移除當中已完成的其他任務'。
• 自訂專案 ID 會消失。當您之前建立這個專案時，可能建立了想要在日後使用的自訂專案 ID。如要保留使用該專案 ID 的網址 (例如 appspot.com 網址)，請刪除在該專案中選取的資源，而不是刪除整個專案。

如果打算探索多種架構、教學課程或快速入門導覽課程，重複使用專案可避免超出專案配額限制。

刪除 Google Cloud 專案：

gcloud projects delete PROJECT_ID

刪除個別資源

如果您打算保留本教學課程使用的專案，可以刪除建立的個別資源，以免產生更多費用：

1. 刪除資料集：刪除資料集也會一併移除遠端模型，以及在資料集中建立的物件資料表。

   • 前往 Google Cloud 控制台的「BigQuery Studio」。
   • 在「Explorer」窗格中展開專案，然後選取您建立的資料集。
   • 按一下 「View actions」(查看動作)，然後按一下「Delete」(刪除)。
   • 在對話方塊中輸入 delete，然後按一下「Delete」(刪除)。

2. 刪除連結：

   • 在「Explorer」窗格中展開專案名稱，然後點選「Connections」(連結)。
   • 按一下所建立連線旁的 「View actions」(查看動作) 圖示，然後選取「Delete」(刪除)。
   • 在對話方塊中，按一下「Delete」(刪除) 即可確認。

後續步驟

• 如要進一步瞭解 BigQuery ML 中的模型推論，請參閱「模型推論總覽」。
• 如要進一步瞭解如何使用 Cloud AI API 執行 AI 任務，請參閱「AI 應用程式總覽」。
• 如要瞭解生成式 AI 模型支援的 SQL 陳述式和函式，請參閱「生成式 AI 模型的端對端使用者歷程」。
• 試用使用 BigQuery ML 和 Gemini Enterprise Agent Platform 預先訓練模型進行非結構化資料分析筆記本。