Toutes vos données visuelles. Un seul endroit.
Agrégez, organisez et explorez des milliards d'images et de vidéos depuis n'importe quelle source. Un référentiel unifié pour toutes vos données de vision par ordinateur.
Comment ça fonctionne en coulisses
Se connecte à S3, GCP ou Azure. Ingère tout format d'image ou vidéo. Indexe tout pour que vous puissiez le requêter ensuite.
AWS S3GCPAzurefrom picsellia import Client
client = Client()
datalake = client.get_datalake()
# Upload with metadata
datalake.upload_data(
filepaths="./images/*.jpg",
tags=["production", "batch-42"],
metadata={"reference": "factory-A"}
)
# Query with filters
data = datalake.list_data(
tags=["production"]
)# Query with tags
data = datalake.list_data(
tags=["defects"]
)
# ✓ 2,847 results
# Query with custom_metadata filter
data = datalake.list_data(
custom_metadata={"location": "factory-A"}
)
# ✓ 1,245 results
# Combine tags and dimensions
data = datalake.list_data(
tags=["production", "validated"],
limit=1000
)Support des formats image et vidéo
Ingestion des formats visuels standards
Pipeline de traitement
Génération d'embeddings et indexation en base
Requêtage de données puissant
Requêtez votre datalake de manière programmatique avec le SDK Python. Filtrez par tags, métadonnées et plus avec des type hints et de l'auto-complétion.
# Advanced data query
data = datalake.list_data(
# Filter by tags
tags=[
"production",
"validated"
],
# Filter by custom_metadata
custom_metadata={
"location": "factory-A"
},
limit=1000
)
for item in data:
print(item.filename)Trouvez des images similaires instantanément
Les embeddings OpenCLIP transforment vos images en vecteurs. Recherchez par similarité, regroupez par contenu et détectez les anomalies sans écrire une seule requête.
Recherche par similarité
Image → ImagesRecherche texte vers image
Text → ImagesDétection d'anomalies
Isolation ForestFine-tunez votre propre modèle CLIP
Les embeddings génériques ne suffisent pas ? Fine-tunez un modèle CLIP sur vos propres données. La recherche et le regroupement s'améliorent considérablement quand le modèle connaît votre domaine.
DataTags et schéma de métadonnées
Organisation multi-dimensionnelle avec un système de tags flexible et un support complet des métadonnées. Structurez vos données sans déplacer de fichiers.
{
// Location & Acquisition
"latitude": 48.8566,
"longitude": 2.3522,
"altitude": 35.2,
"acquired_at": "2024-03-15T14:32:00Z",
"acquired_by": "drone-unit-7",
"weather": "clear, 18C",
// Camera & Sensor
"focal_length": 24.0,
"sensor_width": 36.0,
"manufacturer": "DJI",
"yaw": 127.5,
"pitch": -45.0,
"roll": 0.0,
// Reference Fields
"reference": "INS-2024-0042",
"custom_id": "B-789"
}Prêt à centraliser vos données ?
Connectez votre stockage, uploadez vos données et commencez à requêter. Essai gratuit, sans carte bancaire.