MAGAZINE
ルーターマガジン
機械学習
Google Vision APIをRubyで叩いて画像認識してみた
2018.10.17
こんにちわmatsunagaです。
今回はRubyからGoole Vision APIを使って画像認識する方法を紹介します。
Google Vision APIとは
Google Vision APIとは、Google Cloud Platform(GCP)が提供する機械学習サービスの一種で、画像に関する様々な情報をAPI経由で取得することができます。
https://cloud.google.com/vision/
現状、以下の機能が提供されています。
機能一覧：
- LABEL_DETECTION： label検出。画像に何が写っているかを判定。
- TEXT_DETECTION： 画像向けテキスト抽出。
- DOCUMENT_TEXT_DETECTION： 文章向けテキスト抽出。
- SAFE_SEARCH_DETECTION ： 性的、暴力判定。
- FACE_DETECTION ： 顔のパーツ判定。顔の各パーツの位置や感情などを判定。
- LANDMARK_DETECTION： ランドマーク判定。
- LOGO_DETECTION： 企業ロゴ判定。
- IMAGE_PROPERTIES： 画像の色。
- WEB_DETECTION： 似た画像をwebから検索。
- CROP_HINTS ： クロップ領域の判定。
料金
Vsion APIはリクエスト単位で課金がされます。
- 1000ユニットあたり(1,001～5,000,000 ユニット)： $1.50
- 1000ユニットあたり(5,000,000~ ユニット)： $0.60
※WEB_DETECTIONは1000ユニットあたり $3.50
※ユニットの単位について
1機能1リクエストあたりで1ユニット
1度に2機能を使用した場合は2ユニットになる。
準備
Google Cloud Platform のアカウントを作成して、API KEYを取得する必要があります。
取得方法は以下を参照してください。
https://cloud.google.com/vision/docs/common/auth
RubyからVision APIを叩く
Net::HTTPでリクエストAPIを叩きます。
paramsにリクエスト内容を記述します。imagesのcontentに判定したい画像のurlをセットします。
features内のtypeに使用したい機能名を記述します。
下の例だと、ラベル検出・顔検出・画像の色検出・ロゴ検出を使用しています。
#環境変数にAPI KEYをセットする
URL = "https://vision.googleapis.com/v1/images:annotate?key=#{ENV['DO_GOOGLE_VISION_API_KEY']}"
#Net::HTTPでAPIへリクエストを発行する
uri = URI.parse(URL)
https = Net::HTTP.new(uri.host, uri.port)
https.use_ssl = true
#リクエストにパラメーターをセットする
req = Net::HTTP::Post.new(uri.request_uri)
req["Content-Type"] = "application/json"
param = {
"requests" =>
[
{
"image" =>
{
"content" => Base64.strict_encode64(open(filepass).read) #画像のfilepassを入れる
},
"features" =>
[
{
"type" => "LABEL_DETECTION"
},
{
"type" => "FACE_DETECTION"
},
{
"type" => "IMAGE_PROPERTIES"
},
{
"type" => "LOGO_DETECTION"
}
]
}
]
}
req.body = param.to_json
res = https.request(req)
res.bodyレスポンス
それは、猫の画像をAPIに投げてみしょう。。(かわいいですね)
すると、判定結果がJSONでレスポンスされます。
{
"responses": [
{
"labelAnnotations": [
{
"mid": "/m/01yrx",
"description": "cat",
"score": 0.9939052,
"topicality": 0.9939052
},
{
"mid": "/m/04rky",
"description": "mammal",
"score": 0.9226668,
"topicality": 0.9226668
},
{
"mid": "/m/07k6w8",
"description": "small to medium sized cats",
"score": 0.91960067,
"topicality": 0.91960067
},
{
"mid": "/m/01l7qd",
"description": "whiskers",
"score": 0.89686733,
"topicality": 0.89686733
},
{
"mid": "/m/0307l",
"description": "cat like mammal",
"score": 0.8726799,
"topicality": 0.8726799
},
{
"mid": "/m/035qhg",
"description": "fauna",
"score": 0.86749864,
"topicality": 0.86749864
},
{
"mid": "/m/014sv8",
"description": "eye",
"score": 0.77095574,
"topicality": 0.77095574
},
{
"mid": "/m/012c9l",
"description": "domestic short haired cat",
"score": 0.7379063,
"topicality": 0.7379063
},
{
"mid": "/m/0cnmr",
"description": "fur",
"score": 0.65897423,
"topicality": 0.65897423
},
{
"mid": "/m/04y7lg1",
"description": "dragon li",
"score": 0.65716416,
"topicality": 0.65716416
}
],
"imagePropertiesAnnotation": {
"dominantColors": {
"colors": [
{
"color": {
"red": 65,
"green": 46,
"blue": 29
},
"score": 0.2731936,
"pixelFraction": 0.1411111
},
{
"color": {
"red": 32,
"green": 22,
"blue": 18
},
"score": 0.1408783,
"pixelFraction": 0.10468254
},
{
"color": {
"red": 237,
"green": 230,
"blue": 230
},
"score": 0.06869607,
"pixelFraction": 0.06722222
},
{
"color": {
"red": 97,
"green": 76,
"blue": 58
},
"score": 0.09530489,
"pixelFraction": 0.059603173
},
{
"color": {
"red": 58,
"green": 45,
"blue": 39
},
"score": 0.068939924,
"pixelFraction": 0.04436508
},
{
"color": {
"red": 77,
"green": 49,
"blue": 26
},
"score": 0.051510073,
"pixelFraction": 0.029920636
},
{
"color": {
"red": 97,
"green": 81,
"blue": 77
},
"score": 0.04886782,
"pixelFraction": 0.03373016
},
{
"color": {
"red": 45,
"green": 29,
"blue": 18
},
"score": 0.045259394,
"pixelFraction": 0.02111111
},
{
"color": {
"red": 132,
"green": 110,
"blue": 93
},
"score": 0.028106848,
"pixelFraction": 0.022619048
},
{
"color": {
"red": 102,
"green": 72,
"blue": 50
},
"score": 0.025004687,
"pixelFraction": 0.022936508
}
]
}
},
"cropHintsAnnotation": {
"cropHints": [
{
"boundingPoly": {
"vertices": [
{},
{
"x": 1599
},
{
"x": 1599,
"y": 899
},
{
"y": 899
}
]
},
"confidence": 0.79999995,
"importanceFraction": 1
}
]
}
}
]
}
上記のレスポンスを見てみると、
{
"mid": "/m/01yrx",
"description": "cat",
"score": 0.9939052,
"topicality": 0.9939052
}, とあるので、猫が写っていることを判定できているのがわかります。すごいですね〜。
レスポンスされる要素は機能ごとに異なるので、詳しくはAPIの公式確認してみてください！
https://cloud.google.com/vision/docs/apis?hl=ja
まとめ
このようにGoogle Vision APIを使うと誰でも簡単に画像認識を使うことができます。
GCPには無料枠があり、お試しで使う分には無料で使用できますので安心です！
CONTACT
お問い合わせ・ご依頼はこちらから