1) 학습한 내용
* 이 소스코드를 시험해보기 전에 Jupyter notebook에 실행하기를 권한다.컴퓨터 비전-소스코드
이번 수업은 컴퓨터 비전에서 이어지는 구간이다. 앞의 코드에서 뒤에 새 코드를 추가해보면 다음과 같다. 이 코드는 분석 결과를 내놓는 코드다.headers = {'Ocp-Apim-Subscription-Key' : subscription_key }
params = {'visualFeatures':'Categories,Description,Color'}
data = {'url':image_url}
response = requests.post(analyze_url, headers=headers, params=params,
json=data)
analysis = response.json()
analysis //데이터 분석
analysis['description']['captions'][0]['text']사물 인식 소스 코드
Object Detection
objectDetection_url = vision_base_url + 'detect'
object_image = ''http://tong.visitkorea.or.kr/cms/resource_etc/67/2597467_image_1.jpg''
e
img = Image.open(BytesIO(requests.get(object_image).content))
img
img
headers = {'Ocp-Apim-Subscription-Key': subscription_key}
data = {'url':object_image}
response
response = requests.post(objectDetection_url,
headers = headers,
json = data)
detectionResult = response.json()
detectionResult
{'objects': [{'rectangle': {'x': 11, 'y': 38, 'w': 177, 'h': 115},
'object': 'shuttle bus',
'confidence': 0.748,
'parent': {'object': 'bus',
'confidence': 0.762,
'parent': {'object': 'Land vehicle',
'confidence': 0.778,
'parent': {'object': 'Vehicle', 'confidence': 0.779}}}}],
'requestId': '8eb5ffed-87f5-4c7d-867c-923f659a7ed9',
'metadata': {'height': 166, 'width': 250, 'format': 'Jpeg'}}
from PIL import Image, ImageDraw, ImageFont
for obj in objects:
print(obj)
rect = obj['rectangle']
x = rect['x']
y = rect['y']
w = rect['w']
h = rect['h']
draw.rectangle(((x, y), (x + w, y + h)), outline='red')
draw = ImageDraw.Draw(img)
objects = detectionResult['objects']
for obj in objects:
print(obj)
rect = obj['rectangle']
x = rect['x']
y = rect['y']
w = rect['w']
h = rect['h']
draw.rectangle(((x, y), (x + w, y + h)), outline='red')
{'rectangle': {'x': 11, 'y': 38, 'w': 177, 'h': 115}, 'object': 'shuttle bus', 'confidence': 0.748, 'parent': {'object': 'bus', 'confidence': 0.762, 'parent': {'object': 'Land vehicle', 'confidence': 0.778, 'parent': {'object': 'Vehicle', 'confidence': 0.779}}}}
img아래는 사물 인식 이후에 태그를 다는 코드다.
draw = ImageDraw.Draw(img)
objects = detectionResult['objects']
for obj in objects:
print(obj)
rect = obj['rectangle']
x = rect['x']
y = rect['y']
w = rect['w']
h = rect['h']
#사각혀을 그리는 코드
draw.rectangle(((x, y), (x + w, y + h)), outline='red')
#글자를 입력하는 코드
objectName = obj['object']
draw.text((x,y), objectName, fill='red')Face API Sample
얼굴 인식
얼굴 인식은 인공지능의 대표적인 분야 중의 하나로, 대표적으로 Microsoft Azure의 Face가 있다.
얼굴 인식은 인공지능의 대표적인 분야 중의 하나로, 대표적으로 Microsoft Azure의 Face가 있다.
//Face API Sample
import requests
from io import BytesIO
from PIL import Image, ImageDraw, ImageFont
Subcription Key와 서비스의 주소를 설정합니다.
subscription_key = '제공된 키'
faceDetection_url = '제공된 주소'
분석에 사용할 이미지를 확인합니다.
https://lastfm.freetls.fastly.net/i/u/770x0/87a22d9018601b87cdce79288b66f5b2.jpg
image_url = 'https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcT3c1OLAzAOAGz4lgqGHqDrhSe-4Ex-RnNp0g&usqp=CAU'
img = Image.open(BytesIO(requests.get(image_url).content))
img
, emotion
headers = {'Ocp-Apim-Subscription-key': subscription_key}
params = {
'returnFaceID':'true',
'returnFaceAttributes': 'age, gender, emotion'
}
}
data = {'url': image_url}
서비스를 호출해서 결과를 확인합니다.
response = requests.post(faceDetection_url,
headers=headers,
params=params,
json=data)
faces = response.json()
faces
//[{'faceId': 'c680bcc2-444e-47f6-82c2-1ba145eb9496',
'faceRectangle': {'top': 64, 'left': 102, 'width': 87, 'height': 87},
'faceAttributes': {'gender': 'female',
'age': 8.0,
'emotion': {'anger': 0.0,
'contempt': 0.0,
'disgust': 0.0,
'fear': 0.0,
'happiness': 0.997,
'neutral': 0.0,
'sadness': 0.0,
'surprise': 0.003}}}]
draw = ImageDraw.Draw(img)
for face in faces:
rect = face['faceRectangle']
left = rect['left']
top = rect['top']
width = rect['width']
height = rect['height']
draw = ImageDraw.Draw(img)
for face in faces:
rect = face['faceRectangle']
left = rect['left']
top = rect['top']
width = rect['width']
height = rect['height']
draw.rectangle(((left,top),(left+width,top+height)), outline='red')
face_info = face['faceAttributes']
emotion = face_info['emotion']
happiness = emotion['happiness']
gender = face_info['gender']
result = 'Gender:' + gender + ' happiness:' + str(happiness * 100)
draw.text((left, top), result, fill='red')
imgOCR 소스 코드
OCR 실습
ps.goorm
plotlib.pyplot as plt
import requests
from PIL import Image
from io import BytesIO
import matplotlib.pyplot as plt
subscription_key=''
subscription_key = '제공된 키'
vision_base_url = 'https://daeguaivision00.cognitiveservices.azure.com/vision/v2.0/'
ocr
ocr_url = vision_base_url + 'ocr'
//분석할 이미지를 셋팅한다.
image_url = 'https://upload.wikimedia.org/wikipedia/commons/thumb/a/af/Atomist_quote_from_Democritus.png/338px-Atomist_quote_from_Democritus.png'
img = Image.open(BytesIO(requests.get(image_url).content))
img = Image.open(BytesIO(requests.get(image_url).content))
img
img
headers = {'Ocp-Apim-Subscription-Key': subscription_key}
params = {'language': 'unk', 'detectOrientation': 'true'}
data = {'url': image_url}
response = requests.post(ocr_url,
headers=headers,
params=params,
json=data)
analysis = response.json()
analysis
analysis
line_infos = [region["lines"] for region in analysis["regions"]]
word_infos = []
for line in line_infos:
for word_metadata in line:
for word_info in word_metadata["words"]:
word_infos.append(word_info)
word_infos
구글에서 제공되는 코딩테스트 및 코딩 수업을 제공하는 서비스다. 이전에 가입했었던 프로그래머스와 여러 코딩테스트를 가입했었으나 구글에서 자체적으로 코딩테스트가 있었다는 걸 오늘 알았다.
2) 학습내용 중 어려웠던 점
이번 수업은 파이썬을 기반으로 했었지만 인공지능 코딩을 하는 것을 자주하지 않았던 것이 원인이라 숙달하려면 오래 걸릴 것으로 보인다.3) 해결방법
결국에는 계속되는 반복이 해결법이다. 연습을 실전처럼 해야 실력이 쌓이는 것이다.4) 학습소감
어제 잠을 자기 전에, 인식 서비스에 관한 예습을 하고 잠을 잤었기에 수업 진행에 어려움이 줄었다. 수업은 초반에는 지루하게 진행되어져서 커피 한 잔을 하고 마셨고 오늘 수업은 OCR과 안면 인식 코딩으로 중점으로 했다.
coding