Image Influence APIを使って本の表紙を評価してみた -

Image Influence APIを使って本の表紙を評価してみた

2020.04.10

はじめまして。
イノベーション本部の平田です。
普段は、企画・営業系の仕事をしております。

今回は、チームメンバからA3RTなるものを教えてもらい
実際に少し触ってみたのでご紹介します。

A3RTとは？

A3RT（アート）は「ANALYTICS & ARTIFICIAL INTELLIGENCE API VIA RECRUIT TECHNOLOGIES」の略称です。
A3RTは機械学習のなかでもDeep Learningなどに代表される、いわば人工知能とよばれる分野のロジックを
ひとつのブランドで統一・整備をし、社内へ展開するためにプロジェクト化されたソリューションの総称です。

公式ホームページより

いろいろなAPIが提供されているのですが
その中でも今回はImage Influence APIを使ってみました。

Image Influence APIは、複数の画像に評価スコアをつけるとその傾向を学習して、
他の画像に対する評価スコアを返してくれます。
ちなみに、公式ホームページにあるサンプルのモデルでは、
お肉の画像を評価することができます。

やってみる

どんな画像の評価をしようかなーと考えていたところ、
部屋にある本が目に止まったので本の表紙画像をテーマにやってみることにします。
本も“ジャケ買い”したり、表紙の善し悪しで手に取るか決めることがありますし、
なかなか面白そうです。早速やってみましょう！

0．前提

今回は以下の前提でやってみます。

ジャンルはビジネス書に限定
評価スコアは全国売上冊数を基準に設定

1．事前準備

API KEYの準備
APIを利用するためには、専用のAPI KEYが必要です。
API発行のページからメールアドレスを登録すると、登録したメールアドレス宛てにAPI KEYが届きます。
学習データの準備
公式ホームページに記載されている制限事項や学習データの仕様に則って準備します。
いくつか書いてありますが、ポイントは以下でしょうか。
- 学習に使う画像ファイルは1つのフォルダにまとめて、
  zipファイル形式で固めておく
- 画像ファイルは500枚以上、1000枚以下
- 画像ファイル名は「xxxx_y.拡張子」

xxxxは0000~9999までの任意の数字で指定します。
yはその画像の評価スコアです。0~9までの数字で指定します。

今回は売上を基準にしたモデルを作成したいので、
ビジネス書ジャンルの売上上位500位までの銘柄を10段階に分けて、評価スコアを指定しました。
売上1～50位までは「9」、51位～100位までは「8」…といった形です。

2．モデル作成

事前準備ができたらモデルを作成します。
これがたったの3ステップ。なんて簡単。
公式ホームページの手順通りにcurlコマンドを叩けば、誰でも学習モデルを作成できます！

◆学習データをアップロードするURLを取得

事前準備で取得したAPI KEYを「apikey=」以降にセットし、コマンドを叩きます。

curl -X GET https://api.a3rt.recruit-tech.co.jp/image_influence/v1/get_upload_url?apikey=******

すると、レスポンスとして学習データをアップロードするURLが返ってきます。

{
    status: 0,
    message: "ok",
    result: {"url": "https://a3rt-image.・・・・"}
}

◆学習データをアップロード

先ほど取得したURL（レスポンスのhttpsから始まる文字列）をセットし、コマンドを叩きます。
※今回は「images.zip」という名前で学習データを作っています。

curl -D - -X PUT --upload-file /path/to/images.zip "http://a3rt-image.・・・・"

プロンプトが戻れば正しくアップロードできています。

◆モデル作成をリクエスト

最後は、事前準備で取得したAPI KEYを「apikey=」以降にセットし、以下のコマンドを叩きます。

curl -X GET https://api.a3rt.recruit-tech.co.jp/image_influence/v1/order_model?apikey=******

レスポンスでOKと返ってくれば、モデル作成のリクエスト完了です！

3．表紙画像の評価

では、作成したモデルを使って、表紙画像を評価してみます！

評価したい本の表紙画像をimagefile以降にセットして、コマンドを叩きます。
今回は某有名ビジネス書の表紙画像で試してみました。

curl -X POST \
-F apikey=****** \
-F predict=1 \
-F imagefile=@C:\Users\・・・\bizpic.jpg \
https://api.a3rt.recruit-tech.co.jp/image_influence/v1/image_score

{
   "status": 0, 
   "message": "ok", 
   "result": {"score": 6.170831203460693}
}

評価スコアは6点でした！
MAX9点とはいえ、個人的にはもう少し高い評価でも良いかなーというところ。
今回は学習データが500枚と少なかったので、精度については改善の余地がありそうです。

まとめ

作成した学習モデルで本の表紙画像を評価することができました。
データの準備が大変ですが、モデル作成や評価自体は簡単に行うことができ、
やっていて楽しかったです！

学習データを増やして精度を上げたり、別のジャンルでも試してみたいと思います！
皆さんもぜひチャレンジしてみてください！

TOPに戻る

ENGINEER BLOG