Node.js에서 AutoML Vision의 고막 이미지 분류 모델을 사용해보십시오.

개요

평상시는 이비과의 개업의를 하고 있습니다.

마지막 기사는 여기
GCP Cloud AutoML Vision을 사용한 고막 이미지 분류

이번에는 작성한 AutoML Vision의 고막 이미지 분류 모델을 Node.js에서 사용해 보았습니다.

만들기

1. 프로젝트 만들기

여기를 참고했습니다.
Cloud AutoML: Node.js Client

index.js

require('dotenv').config();//.envを読み込む

const automl = require('@google-cloud/automl');
const fs = require('fs');

// Create client for prediction service.
const client = new automl.PredictionServiceClient();

/**
 * TODO(developer): Uncomment the following line before running the sample.
 */

const projectId = `The GCLOUD_PROJECT string, e.g. "my-gcloud-project"`;
const computeRegion = `region-name, e.g. "us-central1"`;
const modelId = `id of the model, e.g. “ICN723541179344731436”`;
const filePath = `local text file path of content to be classified, e.g. "./resources/flower.png"`;
const scoreThreshold = `value between 0.0 and 1.0, e.g. "0.5"`;

// Get the full path of the model.
const modelFullId = client.modelPath(projectId, computeRegion, modelId);

// Read the file content for prediction.
const content = fs.readFileSync(filePath, 'base64');

const params = {};

if (scoreThreshold) {
  params.score_threshold = scoreThreshold;
}

// Set the payload by giving the content and type of the file.
const payload = {};
payload.image = {imageBytes: content};

async function test(){
  // params is additional domain-specific parameters.
  // currently there is no additional parameters supported.
  const [response] = await client.predict({
    name: modelFullId,
    payload: payload,
    params: params,
  });
  console.log(`Prediction results:`);
  response.payload.forEach(result => {
    console.log(`Predicted class name: ${result.displayName}`);
    console.log(`Predicted class score: ${result.classification.score}`);
  });
}

test();

2.AutoML용 인증 키 생성

콘솔 화면 왼쪽 상단의 네비게이션 메뉴에서 "API 및 서비스"➡ "인증 정보"


"자격 증명 만들기"➡ "서비스 계정"


서비스 계정 이름을 적절하게 결정하고 "만들기"를 선택하십시오.


역할은 AutoML 예측자를 선택하고 계속


+ 키 만들기를 선택


「JSON」➡ 「작성」을 선택

JSON 파일이 다운로드됩니다.


3.AutoML 용 인증 키의 연결

다운로드한 JSON 파일을 index.js와 같은 폴더에 넣습니다.


.env 만들기

GOOGLE_APPLICATION_CREDENTIALS=./ここにダウンロードされたJSONファイル名を記入

필요한 패키지 설치

$ npm install @google-cloud/automl 
$ npm install dotenv 

4. 자격 증명 설정

index.js를 다음과 같이 다시 작성

index.js

const projectId = "自分のプロジェクト名";
const computeRegion = "us-central1";
const modelId = "ICNで始まる番号";
const filePath = "テストしたいローカル画像のフルパス"
const scoreThreshold = "0.5";

modelId는 여기의 붉은 원 부분


이번에 테스트 한 로컬 이미지는 여기
급성 중이염의 이미지입니다.



풀 패스는 다음과 같이 구분하지 않으면 잘 움직이지 않았습니다 (windows10).

const filePath = "C:\\Users\\***\\data\\test\\aom\\WIN_20190529_08_40_52_Pro.jpg";

5. 배포
이번 배포가 끝날 ​​때까지 20~30분 정도 걸렸습니다.


덧붙여서 배포한 채로 하면 하루 3000엔 정도 과금되기 때문에. 사용하지 않을 때는 배포를 해제합시다.
모델을 배포 해제하는 방법은 여기

테스트

index.js를 실행합니다.
Prediction class name:aom(급성 중이염)이라고 올바르게 판정되고 있습니다.
Prediction class score(신뢰도 0.0~1.0의 값이 들어갑니다)는 1이므로 꽤 자신이 있는 것 같습니다.

고찰

Node.js에서 AutoML Vision의 고막 이미지 분류 모델을 사용할 수있었습니다.
다음은 LINE Bot에 짜넣고 싶습니다.