深入浅出Google Clould Platform（3）---- 图像识别入门例子

上一章节，笔者举了一个创建的数据的例子，主要是通过Google的UI控制台来进行操作的，总所周知，Google的机器学习和人工智能一直在业界是遥遥领先的，下面举一个例子，如何使用代码来调用GCP上的图像识别的服务来进行图像识别。比如下面这张图片，如何使用GCP的机器学习的API来识别下面图片上的动物呢？ 比如下面的图片，有一条狗，那Google的图像识别的API能识别出来吗？
如果通过调用代码来实现下面这张图片的识别呢？

假设上面的图片在本地另存为dog.jpg, 那么如何利用GCP的服务器去识别这张图片呢？ 假设我们已经有了登录的账号和密码了。其主要步骤如下：

1. 创建一个Service Account （服务账号），并把key.json的认证文件下载下来并托管保存。
   

2. 把Google Cloud Vision API 的调用打开，如果已经打开，请忽略此步骤。
   

3. 通过npm init 新建一个node JS的项目，笔者假设大家已经对具体如何安装和使用NodeJS已经非常的熟悉，并引入：@google-cloud/vision的NodeJS的依赖。

4. 假设我们的图片已经在本地另存为dog.jpg, 则关键代码如下：

const vision = require('@google-cloud/vision')({
projectId: 'your-project-id',
keyFilename: 'key.json'
});
vision.detectLabels('dog.jpg').then((data) => {
console.log('labels: ', data[0].join(', '));
});

运行完后， 其会显示类似的输出。

 labels: dog, mammal, vertebrate, setter, dog like mammal

上面的输出只是一些简单的信息，只是列出其识别出了什么物体，但是其实我们知道，严格意义上来说，图像识别出来的结果，应该是一个带有概率的结果，大家如果在手机上安装过花伴侣这个App的有应该知道，其App通过拍一张花的图片，从而识别出这张图片上的花的种类是什么，其后面还会加一个可信度，比如一张图片识别出是牡丹花的概率是90.65%, 一般达到90%以上 结果的可信度已经非常高了。 那如何通过代码，能够把识别出来的名称的具体可行度也打印出来呢？ Talk is Cheap， Please show me the code. @google-cloud/vision的API提供了很好的易用性，只需要把{verbose: true} 的开关打开即可，代码如下。

const vision = require('@google-cloud/vision')({
projectId: 'your-project-id',
keyFilename: 'key.json'
});
vision.detectLabels('dog.jpg', {verbose: true})
➥ .then((data) => {
const labels = data[0];
labels.forEach((label) => {
console.log(label);
});
});

打印出来，类似结果可能如下：

> { desc: 'dog', mid: '/m/0bt9lr', score: 91.969336 }
{ desc: 'dog like mammal', mid: '/m/01z5f', score: 58.510407 }
......

其中上面的score，其实指的就是结果的可行度。

如果要对其可行度的进行过滤的话，只需要加一个filter() 的输入条件，
比如 filter((label) => { return label.score >90; } 其就会把可信度在90%的识别出来的结果打印出来！

const vision = require('@google-cloud/vision')({
projectId: 'your-project-id',
keyFilename: 'key.json'
});
vision.detectLabels('dog.jpg', {verbose: true}).then((data) => {
const labels = data[0]
.filter((label) => { return label.score > 90 ; })
.map((label) => { return label.desc; });
console.log('Accurate labels:', labels.join(', '));
});

上面调用的是detectLabels（）的方法进行物体的归类识别。其实图像识别用的最广泛的是人脸识别，如果要进行人脸识别的话，我们就可以调用 下面的API：

vision.detectFaces('xxx.jpg') 

其不但能识别出当前是否是人脸，还能识别出当前的人脸的情绪， Oh， 天啦！ 也太神奇了吧！ 比如情绪是高兴 还是愤怒，只需要在返回值中，把其相应的属性打印出来即可！

const vision = require('@google-cloud/vision')({
projectId: 'your-project-id',
keyFilename: 'key.json'
});
vision.detectFaces('face.jpg').then((data) => {
const faces = data[0];
faces.forEach((face) => {
console.log('How sure are we that there is a face?', face.confidence + '%');
console.log('Does the face look happy?', face.joy ? 'Yes' : 'No');
console.log('Does the face look angry?', face.anger ? 'Yes' : 'No');
});
});

类似的结果，可能如下：

> How sure are we that there is a face? 94.26401%
Does the face look happy? Yes
Does the face look angry? No

总结：

用了云计算后，是不是感觉比较简单和容易上手。 的的确确，真真切切感受到了云计算对我们带来的快速和方便。