1 clarifai API 서비스

clarifai는 이미지 특화된 서비스를 API 형태로 제공하고 있다. 가격은 월마다 5,000번 작업에 대해서는 무료 그외 Essential, Business, Enterprise, Public Sector에 대해서 별도 가격정책을 집행하고 있다. 전자우편을 인증하지 않을 경우 100번 작업으로 호출건수가 제약된다.

2 clarifai APIKEY 발급 1

가장 먼저, https://clarifai.com/ 웹사이트를 방문하여 회원가입하고 앱을 하나 만들고 인증키를 “GET API KEY”를 통해서 받아낸다.

usethis::edit_r_environ() 명령어로 CLARIFAI_API_KEY값을 설정하고. 그리고 주석을 달아 다른 API KEY와 혼동되지 않도록 한다. API KEY 설정 결과값은 .Renviron 파일에 저장된다.

3 이미지 URL 객체 인식

가장 먼저 http://i.imgur.com/XmAr3jV.jpg 사진 속 강아지를 인식하도록 한다. 이를 위해서 이미지 요청 URL을 JSON 형태로 다음과 같이 준비한다. 그리고 POST()로 던져 결과값을 반환받는다.

library(tidyverse)
library(httr)
library(rjson)

# usethis::edit_r_environ()

base_url <- "https://api.clarifai.com/v2/models/aaa03c23b3724a16a56b629203edc62c/outputs"

requests <- '
  {
    "inputs": [
      {
        "data": {
          "image": {
            "url": "http://i.imgur.com/XmAr3jV.jpg"
          }
        }
      }
    ]
  }'

clarifai_res <- POST(base_url, 
    add_headers(
        "Authorization" = paste0("Key ", Sys.getenv("CLARIFAI_API_KEY")),
        "Content-Type" = "application/json"),
    body = requests)

clarifai_res
Response [https://api.clarifai.com/v2/models/aaa03c23b3724a16a56b629203edc62c/outputs]
  Date: 2019-04-21 14:19
  Status: 200
  Content-Type: application/json; charset=UTF-8
  Size: 2.32 kB

for문을 돌려도 되고 purrr 팩키지를 사용해서 결과값을 추출해도 된다.

clarifai_res_parsed <- content(clarifai_res, "parsed")

# for (result in clarifai_res_parsed$outputs[[1]]$data$concepts){
#     message('object: ', result$name, ' -- probability: ', result$value)
# }

clarifai_res_df <- clarifai_res_parsed$outputs[[1]]$data$concepts %>% 
  enframe() %>% 
  mutate(id = map_chr(value, ~.$id),
         name = map_chr(value, ~.$name),
         value = map_dbl(value, ~.$value))

clarifai_res_df %>% 
  DT::datatable()

4 로컬 컴퓨터 저장된 이미지 2

로컬 컴퓨터에 저장된 이미지를 식별하는데는 다소 다른 방식이 필요하다. RCurl 팩키지 base64Encode 함수를 사용해서 base64로 인코딩하여 이미지를 불러읽어 처리한다.

수지 이미지

library(RCurl)

suji_res <- POST(base_url,
                body = sprintf('{ "inputs": [{"data": {"image": {"base64": "%s"}}}]}',
                base64Encode(readBin("fig/suji.jpg", "raw", file.info("fig/suji.jpg")[1, "size"])), "txt"),
                add_headers("Authorization" = paste0("Key ", Sys.getenv("CLARIFAI_API_KEY")),
                            "Content-Type" = "application/json"))
suji_res
Response [https://api.clarifai.com/v2/models/aaa03c23b3724a16a56b629203edc62c/outputs]
  Date: 2019-04-21 14:19
  Status: 200
  Content-Type: application/json; charset=UTF-8
  Size: 2.4 kB

로컬 컴퓨터에 저장된 fig/suji.jpg 파일을 clarifai 이미지 API에 전송하여 처리한 결과를 다음과 같이 깔금하게 정리한다.

suji_res_parsed <- content(suji_res, "parsed")

suji_res_df <- suji_res_parsed$outputs[[1]]$data$concepts %>% 
  enframe() %>% 
  mutate(id = map_chr(value, ~.$id),
         name = map_chr(value, ~.$name),
         value = map_dbl(value, ~.$value))

suji_res_df %>% 
  DT::datatable()

  1. Pablo Barbera(August 1, 2018), “Working with the Clarifai API”↩

  2. clarifai (2017-03-03) “Access to the new pre-trained models via R”↩