{"id":29068,"date":"2019-02-05T00:00:00","date_gmt":"2019-02-04T23:00:00","guid":{"rendered":"https:\/\/blexin.com\/?p=29068"},"modified":"2021-01-13T09:40:47","modified_gmt":"2021-01-13T08:40:47","slug":"riconoscimento-delle-immagini-nel-cloud","status":"publish","type":"post","link":"https:\/\/blexin.com\/it\/blog\/riconoscimento-delle-immagini-nel-cloud\/","title":{"rendered":"Riconoscimento delle immagini nel Cloud"},"content":{"rendered":"\n
\"\"<\/figure>\n\n\n\n

Durante una delle academy Azure tenute per Overnet Education, il nostro partner per la formazione, abbiamo affrontato il tema del riconoscimento delle immagini, che ha riscosso molto interesse tra gli studenti. Ho pensato quindi potesse essere interessante un confronto su questo tema tra i vari Cloud provider, utilizzando Node.js e Typescript.<\/p>\n\n\n\n

Introduzione<\/h2>\n\n\n\n

Tutti i principali fornitori di servizi cloud offrono strumenti per l’analisi di immagini basati sull’intelligenza artificiale. \u00c8 sufficiente fornire un’immagine (anche un video nel caso di Amazon Rekognition) e il servizio pu\u00f2 identificare oggetti, persone, testo, scene e attivit\u00e0, oltre che rilevare eventuali contenuti non appropriati.<\/p>\n\n\n\n

In questo articolo utilizzeremo gli SDK Javascript di Amazon, Azure e Google in un progetto Node scritto in Typescript, che analizzer\u00e0 immagini caricate localmente. Ciascuno dei cloud si differenzia per la filosofia di utilizzo, i servizi offerti e per il tipo di output restituito. Per questo motivo ci limiteremo ad un’analisi che \u00e8 possibile svolgere su tutti e tre gli SDK.<\/p>\n\n\n\n

Per Amazon, il prerequisito principale \u00e8 quello di creare un account AWS e un utente IAM. Una guida completa che illustra l’intera procedura \u00e8 disponibile a questo link<\/a>. Se non avete ancora creato un account sul cloud Amazon, potete accedere mediante il Piano gratuito di AWS<\/a>.<\/p>\n\n\n\n

Per Azure, la procedura per creare un account gratuito di Computer Vision<\/strong> \u00e8 disponibile a questo indirizzo<\/a>. Se non avete ancora creato un account sul cloud Azure, potete accedere mediante un Piano iniziale gratuito<\/a>.<\/p>\n\n\n\n

La documentazione per iniziare a lavorare con Google Vision<\/strong> sul cloud Google \u00e8 disponibile a questo indirizzo<\/a><\/p>\n\n\n\n

Setup del progetto Node.js<\/h2>\n\n\n\n

Accedere ai servizi di AI vuol dire eseguire chiamate a servizi REST. Lo faremo utilizzando Node.js, la piattaforma naturale per gestire questo tipo di problema. Creiamo dunque un progetto Node.js da zero; ad esso aggiungeremo, successivamente, tutte le dipendenze necessarie.<\/p>\n\n\n\n

I prerequisiti da installare sono i seguenti:<\/p>\n\n\n\n

  1. Node.js da https:\/\/nodejs.org<\/a> (nella versione LTS)<\/li>
  2. Typescript con il comando npm install -g typescript<\/li><\/ol>\n\n\n\n

    Per fare questo, apriamo la linea di comando in una cartella vuota e digitiamo in essa il comando npm init<\/strong>. Rispondiamo alle domande del wizard e, alla fine del processo, troveremo nella cartella il file package.json<\/strong> contenente tutte le impostazioni necessarie. In genere, nella stessa cartella, eseguo il comando git init<\/strong> per inizializzare git e git remote add<\/strong> per configurare la repository remota del codice.<\/p>\n\n\n\n

    Occorre ora modificare il file package.json. Anzitutto, nella sezione scripts, inseriamo una sezione \u201cbuild\u201d: \u201ctsc\u201d<\/strong> per indicare che useremo il compilatore typescript nella fase di build.<\/p>\n\n\n\n

    Ci occorrono poi alcune dipendenze per la fase di sviluppo:<\/p>\n\n\n\n