· Joseph · AI & Machine Learning  · 3 min read

[Day 2] Google Vision AI - 1

Google Vision AI分成兩個服務:AutoML Vision、Vision API,我們今天先講Vision API。

Vision API要講什麼?講什麼都比不過先來玩看看。

  1. 選擇圖片:

我們先從https://unsplash.com 給些tag找個圖片。我搜尋furniture找了下面這張圖。 furniture.jpg

  1. 傳到Vision API裡: 按這裡有個try the API可以使用,我們就把圖片拖曳進去。 demo.jpg

這邊你會發現,一張圖進去有五個資訊給你:Objects, Labels, Web, Properties, Safe Search. 對於簡單的圖片分析有很大的功用。

  • Objects: 分析圖片內的物體,像這個範例找到了椅子跟桌子之類的,不過也可以看到這張圖應該有三個椅子,分析出來卻只有兩個。對於物體辨別服務來講,這個是很方便的資訊。

  • Labels: 把視野拉高,Label會告訴我們這張圖到底屬於什麼。是客廳、室內設計、房間、而且很多家具。同時讓你直接透過google搜尋找跟某個Label相關的資料。

  • Web: 是哪些地方可能含有這張圖呢?透過Web Entities讓我們連結到Google Image,也可以透過Matched pages尋找Google以外可能含有這張圖片的網站,Fully Matched跟Partially Matched Images則是以圖搜圖的概念,哪個連結的圖跟這張一模一樣,或大部分一樣。

  • Properties: 分析這張圖像素相關的資訊,多少顏色占百分之幾,還有各個比例的縮圖。

  • Safe Search: 分析這張圖不雅或不妥的資訊,是否包含成人(Adult)、欺騙(Spoof)、醫學(Medical)、暴力(Violence)、Racy(幼兒不宜)等等,不過這溫馨的家具配置圖還好都是非常不可能(Very Unlikely)。

只有這樣?只有這樣就不會成為一個產品了。如果你注意到圖片底下的Show JSON的話,會發現還有更多好玩的組合在裡面。 show-json.jpg 看到了一隻API,帶著一些Request JSON,然後會回給你Response JSON。其中Request則看到了一些沒在畫面上出現的東西:LANDMARK_DETECTION、FACE_DETECTION、LOGO_DETECTION、DOCUMENT_TEXT_DETECTION,先有這些彩蛋以後,我們明天再來深入了解Vision API的官方文件

Back to Blog

Related Posts

View All Posts »

[Day 5] Google Vision AI - 子系列最終章

今天是Google Vision AI這子系列最後一章節,我們今天要來講Vision AI的Auto ML Vision。我玩的是GCP上面的UI介面,側邊欄打開找到Vision點進去就可以看到了: AutoML-Vision.jpg

[Day 4] Google Vision AI - 3

今天還是繼續多玩幾個Vision AI API好了,初步教學可以看前一篇 Detech text in images 我這邊用的圖片是Google搜尋到的拉斯維加斯: las-vegas.jpg

[Day 3] Google Vision AI - 2

今天來入門Google Vision AI的API,文件部分可以看這裡。練功嘛!語言部分我就來順便玩一下一直想入門的Golang。 跟著Quickstarts裡的Using client libraries走先。 打開或選擇專案 select-project.jpg 這邊要注意你的ProjectName跟ProjectID不見得會一樣,每個地方會用到不同的資訊。

[Day 30] Google AI & ML Products 系列總結

這系列文章出自於一個無窮無盡的bug的解題時間,想不到如何解bug、又想不出要寫什麼主題,參考完大家的方向以後,我發現這類型的文章很少、又很實用,才下定決心透過鐵人賽推廣 Google AI & ML Products。 在這次的挑戰裡,給了自己三個目標: 更熟悉docker 開始玩Golang 入門大部分的Google AI & ML Products 但也因為Google AI & ML Products太多了,所以把它分了很多子系列進行,現在再來回顧一下這次的內容。 前面先來個提醒,如果過程中你們有Deploy model做Online predict的,如果測完一定要記得刪掉,不然你deploy的model就會一直被收費喔。