Google Cloud Platform (GCP) とは？

Googleがクラウド上で提供するサービス群の総称です。
Google社内で使用されている技術やインフラを利用した、仮想マシンやデータベース、機械学習などの様々なサービスをクラウド上で利用することができます。
この記事では画像分析APIである、Cloud Vision APIを試します。

実施した環境

Windows10 (64bit)
Python 3.6.3

必要なもの

GCPのアカウント
REST APIを利用できる環境 (今回はPythonで実施)

GCPのセットアップ

以下を参考にさせていただきました。
Google Cloud Visionを使ってみた

のちほど必要になりますので、APIキーをメモしておきます。

Pythonのインストール

下記などを参考にPythonのインストールをします。
Anaconda で Python 環境をインストールする

プログラムについて

Cloud Vision APIを利用する場合、以下の2通りの方法があります。

直接REST APIを叩く方法
Google Cloud SDKを利用する方法

今回は前者の方法で実施します。
後者の方法については、例えばGoogle Cloud Vision APIを使ってみたなどが参考になりました。

1. パッケージのロード

from base64 import b64encode
from sys import argv
import json
import requests

base64.b64encode: 画像をbase64エンコードする
sys.argv: コマンドライン引数を受け取る
json: JSON のエンコードとデコード
requests: HTTPライブラリ

2. Endpoint URL

ENDPOINT_URL = 'https://vision.googleapis.com/v1/images:annotate'

REST APIリクエスト送信先のURLです。

3. 画像のエンコードとパラメータ付与

    img_requests = []
    for imgname in image_filenames:
        with open(imgname, 'rb') as f:
            ctxt = b64encode(f.read()).decode()
            img_requests.append({
                    'image': {'content': ctxt},
                    'features': [{
                        'type': 'LABEL_DETECTION',
                        'maxResults': 5
                    }]
            })

画像ファイルを読み込んで、base64エンコードを行っています。
また、'features'で分析タイプなどのパラメータを付与します。

分析タイプには以下のものがあります。
今回はLABEL_DETECTION (ラベル検出) を行っています。

分析タイプ	内容
LABEL_DETECTION	ラベル検出
TEXT_DETECTION	光学文字認識(OCR)
FACE_DETECTION	顔検出
LANDMARK_DETECTION	ランドマーク検出
LOGO_DETECTION	ロゴ検出
SAFE_SEARCH_DETECTION	不適切コンテンツ検出
IMAGE_PROPERTIES	画像属性検出
WEB_DETECTION	ウェブ検出

4. リクエスト送信

response = requests.post(ENDPOINT_URL,
                             data=json.dumps({"requests": img_requests}).encode(),
                             params={'key': api_key},
                             headers={'Content-Type': 'application/json'})

上記で作成したデータをjson.dumps()でJSON形式にエンコードし、APIキーとヘッダ情報を付与して、Endpointに対してAPIリクエストを送信します。

5. レスポンスの表示

    for idx, resp in enumerate(response.json()['responses']):
        print(json.dumps(resp, indent=2))

レスポンスを1行ずつ表示します。

6. 結果

以下の画像を入力します。

"description"が認識した物体のラベルで、"score"がそのラベルである確率になります。

{
  "labelAnnotations": [
    {
      "topicality": 0.971467,
      "score": 0.971467,
      "mid": "/m/01m2v",
      "description": "computer keyboard"
    },
    {
      "topicality": 0.9437046,
      "score": 0.9437046,
      "mid": "/m/02dwgb",
      "description": "input device"
    },
    {
      "topicality": 0.9312792,
      "score": 0.9312792,
      "mid": "/m/07c1v",
      "description": "technology"
    },
    {
      "topicality": 0.9029412,
      "score": 0.9029412,
      "mid": "/m/0bs7_0t",
      "description": "electronic device"
    },
    {
      "topicality": 0.8821869,
      "score": 0.8821869,
      "mid": "/m/03rb85",
      "description": "space bar"
    }
  ]
}

割と寄っている画像ですが、ちゃんとキーボードと認識しています。
5番目でスペースキー (Space bar) も認識されていますね。

コード全体

label_detection.py

from base64 import b64encode
from sys import argv
import json
import requests

ENDPOINT_URL = 'https://vision.googleapis.com/v1/images:annotate'

if __name__ == '__main__':
    api_key, *image_filenames = argv[1:]

    img_requests = []
    for imgname in image_filenames:
        with open(imgname, 'rb') as f:
            ctxt = b64encode(f.read()).decode()
            img_requests.append({
                    'image': {'content': ctxt},
                    'features': [{
                        'type': 'LABEL_DETECTION',
                        'maxResults': 5
                    }]
            })

    response = requests.post(ENDPOINT_URL,
                             data=json.dumps({"requests": img_requests}).encode(),
                             params={'key': api_key},
                             headers={'Content-Type': 'application/json'})

    for idx, resp in enumerate(response.json()['responses']):
        print(json.dumps(resp, indent=2))

コマンドライン引数にAPIキーと画像ファイルのパスを渡して、コマンドプロンプトなどのターミナルから下記のように実行します。

$ python label_detection.py (APIキー) (画像ファイルのパス)

おわりに

簡単にですが、GCPの登録からGoogle Cloud Vision APIを試すところまでを実施しました。
他の画像でも試してみましたが、精度はかなり高いと思います。

機械学習について詳しく知らなくても、APIを利用して簡単に機械学習の成果を試すことができますので、興味がある方はぜひ試してみてください。

また、GCPには画像認識の他にも、翻訳や自然言語処理などのAPIも用意されているので、今後これらも試してみたいと思います。

Google Cloud Vision APIを試してみる