AIに画像を認識させて写っているものの詳細を文字列で出力したい

はじめに

画像認識APIが各社から提供されています。
目的は、画像を認識させてその画像に写っているものの詳細を文字列で出力することです。
例えば、シロナガスクジラの画像を入力すると「動物」ではく、「シロナガスクジラ」という文字列が出力されるようなものです。

Cloud Vision API

Googleから提供されている画像認識APIです。(Cloud Vision API)

こちらのAPIを使って、画像に写っているものを認識させてみます。
入力画像：

10 Web entities found: 

    Score      : 1.498650074005127
    Description: Three Days of Happiness

    Score      : 1.0687499046325684
    Description: Sugaru Miaki

    Score      : 1.05840003490448
    Description: Three Days of Happiness

    Score      : 0.5787000060081482
    Description: Novel

    Score      : 0.5769000053405762
    Description: Parasite in Love - Roman

    Score      : 0.5256999731063843
    Description: Light novel

    Score      : 0.4254000186920166
    Description: Hardcover

    Score      : 0.4147999882698059
    Description: Media Works Bunko

    Score      : 0.3255000114440918
    Description: Manga

    Score      : 0.28519999980926514
    Description: 

まさにやりたかったことができました。
本の名前もそうですが、著者の情報も関連で出てきていますね。
しかし、英語しか出力できないらしいので日本語で出したいのであれば翻訳を掛けるなどしないといけないですね。。

Cloud Vision APIをサンプルで試す

AWS Rekognitionのサンプルを試す

純粋な画像認識ですね。

最後に

chatgptも試してみました。

一番いいかもしれないですね😂