Vision AI を試してみた (Python)

Google Cloud Vision AI

リンク

• Cloud Vision API ドキュメント
• Cloud Vision API リファレンス

概要

Google Cloud Vision AI は、画像や動画から情報を抽出・分析する Google Cloud のサービスです。画像認識、顔検出、OCR などの機能を活用し、様々な画像処理タスクを自動化できます。

利用可能な機能

• ラベル付け: 画像内のオブジェクトやシーンを自動的にラベル付け
• 顔検出: 画像から顔を検出し、感情や年齢、性別などを推定
• 光学文字認識 (OCR): 画像やドキュメント内のテキストを抽出
• ロゴ検出: 画像からロゴを検出
• ランドマーク検出: 画像内の有名な場所を特定
• 不適切なコンテンツの検出: 画像に含まれる不適切なコンテンツを検出

セットアップ

1. Google Cloud Platform プロジェクトの作成:
   Google Cloud Platform Console で新しいプロジェクトを作成します。
2. Vision API の有効化:
   作成したプロジェクトで、Vision API を有効にします。
3. サービスアカウントの作成:
   Vision API を利用するためのサービスアカウントを作成し、JSON キーをダウンロードします。
4. 環境変数の設定:
   ダウンロードした JSON キーのパスを、環境変数 GOOGLE_APPLICATION_CREDENTIALS に設定します。

   export GOOGLE_APPLICATION_CREDENTIALS="/path/to/your/key.json"
   

5. 実行

   • pipenv run python vision.py

   • 用意した画像
     

   • pythonコード

     vision.py

     import os
     from google.cloud import vision
     
     def detect_text(path):
         """Detects text in the file."""
         client = vision.ImageAnnotatorClient()
     
         with open(path, 'rb') as image_file:
             content = image_file.read()
     
         image = vision.Image(content=content)
     
         response = client.text_detection(image=image)
         texts = response.text_annotations
         print('Texts:')
     
         for text in texts:
             print('\n"{}"'.format(text.description))
     
             vertices = (['({},{})'.format(vertex.x, vertex.y)
                          for vertex in text.bounding_poly.vertices])
     
             print('bounds: {}'.format(','.join(vertices)))
     
     if __name__ == '__main__':
         print(os.getenv("GOOGLE_APPLICATION_CREDENTIALS")) # jsonファイルのパス
         detect_text('images.jpeg')
     

   • 環境

     Pipfile

     [[source]]
     url = "https://pypi.org/simple"
     verify_ssl = true
     name = "pypi"
     
     [packages]
     google-cloud-vision = "*"
     
     [dev-packages]
     
     [requires]
     python_version = "3.10"
     

   • 結果

     Loading .env environment variables...
     /Users/taketo/Downloads/naturallanguageapipractice-1372273acbf4.json
     Texts:
     
     "歌舞伎町一番街"
     bounds: (105,32),(194,32),(194,45),(105,45)
     
     "歌舞伎町"
     bounds: (105,32),(156,32),(156,45),(105,45)
     
     "一番"
     bounds: (157,32),(182,32),(182,44),(157,44)
     
     "街"
     bounds: (182,32),(194,32),(194,44),(182,44)
     taketo@MacBook-Pro-4 vision-api % 
     

     文字が認識できており、バウンディングボックスの座標が表示されています。

まとめ

Vision AIを利用して、文字検出を行いました。