PyData.Okinawa #29 LT

1. PyData.Okinawa #29 LT
2017/09/23(土)
15:00:00 晴
アイパー隊長

2. 自己紹介
沖縄県うるま市の平安座島に住んでいます
ちゅらデータ株式会社（メイン言語Python）
会社できました！
オフィスも契約（冷房無い(´；ω；｀)ｳｯ…
数学勉強中

3. 祭りがあります！

4. 話すこと

5. vs Google Vision API

6. vs Google Vision API
Google Vision APIとは？
使い方
精度向上との戦い（どんなして精度あげるの？

7. Google Vision APIとは？
Google Cloud Platformで用意されているAPIのひ
とつ
機能が色々ある（ラベル検出、ロゴ検出、顔検
出、OCR...etc）
でもお高いんでしょう...？
1 ~ 1000 ユニット/月-> 無料！！
1,001～500万ユニット/月-> (リクエスト数/
1,000) × $3.50
今回触ったのはtext detection (OCR)

8. 使い方.1
api_url = 'Vision API URL'
access_key = 'Access key'
img = open('画像ファイルパス', 'rb').read()
content = base64.b64encode(img).decode('utf8')
url = '%s?key=%s' % , (api_url, access_key))
res = json.dumps({
'requests': [{
'image': {
'content': content
},
'features': [{
'type': 'TEXT_DETECTION',
'maxResults': 2
}]
}]
})
res = requests.post(url, res)
return res.json()

9. 使い方.2
リクエストする画像はbase64に変換するか、
Google Cloud Storageへアップしてそのurlを渡す
features を複数指定することも可能
OCRと同時に顔検出することもできる
maxResults というパラメータは謎
検出数が多くなるらしいが変更してもそんなか
わらん（気がする
画像のサイズとかは？ -> ベストプラクティス
返ってくるデータは検出位置とテキスト
[左上(x, y), 右上(x, y), 右下(x, y), 左下(x, y)]

10. 使い方.3

11. 精度向上との戦い.1
はじめのころ-> これはすごい！！
実際開発に組み込むと-> 文字を認識してくれない
ケースがでてきた...
どうすべ？(´・ω・｀)
色々試してみた

12. グレースケール
精度上がらない(´・ω・｀)

13. 二値化
ちょっとだけあがった！

14. 幾何学変換+ グレースケール
さがった(´・ω・｀)

15. 幾何学変換+ 二値化
あがった！(｀・ω・´)

16. 幾何学変換+ 二値化-> 平滑化
(´・ω・｀)？

17. 超必殺技必要なとこだけ投げる
(‫^ﻭ‬o^)‫ﻭ‬ ｲｹﾙｲｹﾙ!!

18. ／(^o^)＼

19. まとめ
Google Vision APIでOCRするときは
検出文字は黒、他は白（二値化）
paddingを除去する（幾何学変換）
必要な箇所以外は削除する（スライス）
この３つで結構精度あがるはず！！ 参考まで
今日使ったコード->
https://github.com/Aipakazuma/play-gcp-vision-
api

20. 終わり
(宣伝: ちゅらデータはエンジニアを"絶賛"募集しています!!)