この度GCP(Google Cloud Platform)のGoogle Cloud Vision APIのアプリケーション開発において、json型で帰ってくるデータを調べてみた。
Google Cloud Vision API の階層構成
※value -> 値
※text -> 文字列
1階層目
responses
2階層目
faceAnnotations
labelAnnotations[3]
safeSearchAnnotation
imagePropertiesAnnotation
3階層目(faceAnnotations)
boundingPoly
fbBoundingPoly
landmarks[34]
rollAngle : [value]
panAngle : [value]
titAngle : [value]
detectionConfidence : [value]
landmarkingConfidence : [value]
joyLikelihood : [text]
sorrowLikelihood : [text]
angerLikelihood : [text]
surpriseLikelihood : [text]
underExposedLikelihood : [text]
blurredLikelihood : [text]
headwearLikelihood : [text]
3階層目(labelAnnotations)
mid : [text]
description : [text]
score : [value]
3階層目(safeSearchAnnotation)
adult : [text]
spoof : [text]
medical : [text]
violence : [text]
3階層目(imagePropertiesAnnotation)
dominantColors
4階層目(boundingPoly, fbBoundingPoly)
vertices
4階層目(landmarks)
type : [text]
position
4階層目(dominantColors)
colors
5階層目(vertices)
x : [value]
~[3][4]y : [value]
5階層目(position)
x : [value]
y : [value]
z : [value]
5階層目(colors)
color[3]
score : [value]
pixelFraction : [value]
6階層目(color)
red : [value]
green : [value]
blue : [value]
追記
階層ごとに分けてはいましたが、その説明がなかったので追記します。
階層ごとの役割
第1階層
1階層目
responses
この階層は取得したデータの全てが入ります。
第2階層
2階層目
faceAnnotations
顔検出された時に生成される配列
labelAnnotations[3]
画像で読み取ったものが何であるかの判定
ex: person, face ...など
safeSearchAnnotation
有害な画像でないかの項目
imagePropertiesAnnotation
画像の色解析
第3階層
3階層目(faceAnnotations)
boundingPoly
顔の輪郭を検出
fbBoundingPoly
皮膚が含まれる範囲を検出
landmarks[34]
顔の各パーツ
rollAngle : [value]
顔の傾きを示す。-180 ~ 180の範囲で表される。
panAngle : [value]
顔が左右どちらを向いてるかを表す。-180 ~ 180の範囲で表される。
titAngle : [value]
顔が上下どちらを向いてるかを表す。-180 ~ 180の範囲で表される。
detectionConfidence : [value]
顔検出の精度。0 ~ 1の間で表す。
landmarkingConfidence : [value]
顔の各パーツ。0 ~ 1の間で表す。
joyLikelihood : [text]
楽しみの度合い
sorrowLikelihood : [text]
悲しみの度合い
angerLikelihood : [text]
怒りの度合い
surpriseLikelihood : [text]
驚きの度合い
underExposedLikelihood : [text]
肌の露出の度合い
blurredLikelihood : [text]
ぼやけの度合い
headwearLikelihood : [text]
何かを被っているかの度合い
3階層目(labelAnnotations)
mid : [text]
ナレッジグラフのエンティティID
description : [text]
カテゴリ名
score : [value]
検出の信頼度
3階層目(safeSearchAnnotation)
adult : [text]
アダルトコンテンツの度合い
spoof : [text]
パロディ画像の検出
medical : [text]
医療要素の度合い。臓器など
violence : [text]
暴力性の度合い
3階層目(imagePropertiesAnnotation)
dominantColors
画像自体の配色を支配する色
第4階層
4階層目(boundingPoly, fbBoundingPoly)
vertices
範囲を示すポリゴン
4階層目(landmarks)
type : [text]
パーツを表すコード
position
パーツの位置情報
4階層目(dominantColors)
colors
色の情報
第5階層
5階層目(vertices)
x : [value]
画像の左上を基準としたX座標(px)
~[3][4]y : [value]
画像の左上を基準としたY座標(px)
5階層目(position)
x : [value]
画像の左端から右方向への距離
y : [value]
画像の上端から下方向への距離
z : [value]
手前、前後の距離
5階層目(colors)
color[3]
色情報
score : [value]
検出の信頼度。0 ~ 1の間で表す。
pixelFraction : [value]
ピクセルの大きさ
第6階層
6階層目(color)
red : [value]
赤色の輝度
green : [value]
緑色の輝度
blue : [value]
青色の輝度
データの違い
上のjsonの階層はimageファイルが人だった時の一覧である。
しかし読み込むデータによっては異なることもあるので注意が必要である。
例 : imageが犬の場合だと
2階層目
ここがなくなる -> //faceAnnotations
labelAnnotations[3]
safeSearchAnnotation
imagePropertiesAnnotation
感想
まだ調べ始めではあるがGCPは驚異的だった。写真によっては文字も読み取ることも可能という有能性
これからももっと調べていこうと思っている。