GSP075

개요

이 실습에서는 여러 머신러닝 API를 함께 사용하여 머신러닝의 강력한 기능을 살펴보겠습니다. Cloud Vision API의 텍스트 감지 메서드로 광학 문자 인식(OCR)을 활용해 이미지에서 텍스트를 추출하는 것에서 출발하여 이 텍스트를 Translation API로 번역하고 Natural Language API로 분석하는 방법을 알아봅니다.

목표

이 실습에서 학습할 내용은 다음과 같습니다.

• Vision API 요청 만들기 및 curl로 API 호출하기
• Vision API의 텍스트 감지(OCR) 메서드 사용하기
• Translation API를 사용하여 이미지에서 텍스트 번역하기
• Natural Language API를 사용하여 텍스트 분석하기

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

Cloud Shell 활성화

Cloud Shell은 다양한 개발 도구가 탑재된 가상 머신으로, 5GB의 영구 홈 디렉터리를 제공하며 Google Cloud에서 실행됩니다. Cloud Shell을 사용하면 명령줄을 통해 Google Cloud 리소스에 액세스할 수 있습니다.

1. Google Cloud 콘솔 상단에서 Cloud Shell 활성화 를 클릭합니다.

2. 다음 창을 클릭합니다.

   • Cloud Shell 정보 창을 통해 계속 진행합니다.
   • 사용자 인증 정보를 사용하여 Google Cloud API를 호출할 수 있도록 Cloud Shell을 승인합니다.

연결되면 사용자 인증이 이미 처리된 것이며 프로젝트가 학습자의 PROJECT_ID, (으)로 설정됩니다. 출력에 이 세션의 PROJECT_ID를 선언하는 줄이 포함됩니다.

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud는 Google Cloud의 명령줄 도구입니다. Cloud Shell에 사전 설치되어 있으며 명령줄 자동 완성을 지원합니다.

3. (선택사항) 다음 명령어를 사용하여 활성 계정 이름 목록을 표시할 수 있습니다.

gcloud auth list

4. 승인을 클릭합니다.

출력:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (선택사항) 다음 명령어를 사용하여 프로젝트 ID 목록을 표시할 수 있습니다.

gcloud config list project

출력:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 참고: gcloud 전체 문서는 Google Cloud에서 gcloud CLI 개요 가이드를 참고하세요.

작업 1. API 키 만들기

Vision API로 요청을 전송하기 위해 curl을 사용할 것이므로, 요청 URL에 전달할 API 키를 만들어야 합니다.

1. API 키를 만들려면 탐색 메뉴 > API 및 서비스 > 사용자 인증 정보로 이동합니다.

2. + 사용자 인증 정보 만들기를 클릭합니다.

3. 드롭다운 메뉴에서 API 키를 선택합니다.

4. 방금 생성한 키를 복사한 후 닫기를 클릭합니다.

5. 이제 요청마다 API 키의 값을 삽입하지 않아도 되도록 API 키를 환경 변수로 저장합니다.

6. Cloud Shell에서 다음을 실행합니다. 이때 <your_api_key>를 방금 복사한 키로 대체합니다.

export API_KEY=<YOUR_API_KEY>

내 진행 상황 확인하기를 클릭하여 실행한 작업을 확인합니다.

API 키 만들기

작업 2. Cloud Storage 버킷에 이미지 업로드하기

Cloud Storage 버킷 만들기

이미지 감지를 위해 Vision API에 이미지를 전송하는 방법에는 두 가지가 있습니다. API에 base64로 인코딩된 이미지 문자열을 전송하거나 Cloud Storage에 저장된 파일의 URL을 전달하는 방법입니다. 이 실습에서는 이미지를 저장할 Cloud Storage 버킷을 만들어 보겠습니다.

1. 콘솔에서 탐색 메뉴 > Cloud Storage 브라우저로 이동한 다음 버킷 만들기를 클릭합니다.

2. 버킷에 -bucket 형식으로 고유한 이름을 지정합니다.

3. 버킷 이름을 지정한 후 객체 액세스를 제어하는 방식 선택을 클릭합니다.

4. 이 버킷에 공개 액세스 방지 적용 체크박스를 선택 해제합니다.

5. 액세스 제어 아래의 세분화된 액세스 제어를 선택하고 만들기를 클릭합니다.

버킷에 이미지 업로드하기

1. 다음 프랑스어 간판 이미지를 마우스 오른쪽 버튼으로 클릭한 다음 이미지를 다른 이름으로 저장을 클릭하고 sign.jpg로 컴퓨터에 저장합니다.

2. Cloud Storage 브라우저에서 방금 만든 버킷으로 이동하여 업로드 > 파일 업로드를 클릭한 다음 sign.jpg를 선택합니다.

다음으로 버킷에 대한 액세스 권한은 비공개로 유지하면서 파일을 공개적으로 볼 수 있도록 허용해 보겠습니다.

3. 이미지 파일의 점 3개 아이콘을 클릭합니다.

4. 액세스 수정을 선택합니다.

5. 항목 추가를 클릭하고 다음을 설정합니다.

• 항목에 공개를 선택합니다.
• allUsers가 이름의 값인지 확인합니다.
• 액세스에서 리더를 선택합니다.

6. 저장을 클릭합니다.

이제 파일에 공개 액세스 권한이 있는 것을 확인할 수 있습니다.

버킷에 파일이 있으므로 이제 Vision API 요청을 만들어 이 사진의 URL을 전달할 수 있습니다.

내 진행 상황 확인하기를 클릭하여 실행한 작업을 확인합니다.

버킷에 이미지를 업로드합니다

작업 3. Cloud Vision API 요청 만들기

1. Cloud Shell 환경에서 ocr-request.json 파일을 만들고 아래 코드를 파일에 추가합니다. 이때 my-bucket-name을 사용자가 만든 버킷의 이름으로 대체합니다. nano, vim, emacs와 같이 원하는 명령줄 편집기를 사용하거나 연필 아이콘을 클릭하여 Cloud Shell에서 코드 편집기를 열 수 있습니다.

2. ocr-request.json 파일에 다음을 추가합니다.

{ "requests": [ { "image": { "source": { "gcsImageUri": "gs://my-bucket-name/sign.jpg" } }, "features": [ { "type": "TEXT_DETECTION", "maxResults": 10 } ] } ] }

Cloud Vision API의 TEXT_DETECTION 기능을 사용하게 됩니다. 이렇게 하면 이미지에서 광학 문자 인식(OCR)이 실행되어 텍스트가 추출됩니다.

작업 4. 텍스트 감지 메서드 호출하기

1. Cloud Shell에서 curl을 사용하여 Cloud Vision API를 호출합니다.

curl -s -X POST -H "Content-Type: application/json" --data-binary @ocr-request.json https://vision.googleapis.com/v1/images:annotate?key=${API_KEY}

응답의 첫 번째 부분은 다음과 같이 표시됩니다.

{ "responses": [ { "textAnnotations": [ { "locale": "fr", "description": "LE BIEN PUBLIC\nles dépêches\nPour Obama,\nla moutarde\nest\nde Dijon\n", "boundingPoly": { "vertices": [ { "x": 138, "y": 40 }, { "x": 622, "y": 40 }, { "x": 622, "y": 795 }, { "x": 138, "y": 795 } ] } }, { "description": "LE", "boundingPoly": { "vertices": [ { "x": 138, "y": 99 }, { "x": 274, "y": 82 }, { "x": 283, "y": 157 }, { "x": 147, "y": 173 } ] } }, { "description": "BIEN", "boundingPoly": { "vertices": [ { "x": 291, "y": 79 }, { "x": 413, "y": 64 }, { "x": 422, "y": 139 }, { "x": 300, "y": 154 } ] } ... ] }] }

OCR 메서드로 이미지에서 텍스트를 많이 추출할 수 있습니다.

textAnnotations에서 반환되는 첫 번째 데이터는 API가 이미지에서 찾은 전체 텍스트 블록입니다. 여기에는 다음이 포함됩니다.

• 언어 코드(이 경우 프랑스어에 해당하는 fr)
• 텍스트 문자열
• 이미지에서 텍스트가 발견된 위치를 나타내는 경계 상자

그런 다음 텍스트에서 찾은 각 단어에 대한 객체가 해당 단어의 경계 상자와 함께 표시됩니다.

참고: 텍스트가 많은 이미지의 경우 Cloud Vision API의 DOCUMENT_TEXT_DETECTION 기능을 사용할 수도 있습니다. 이 응답에는 추가 정보가 포함되어 있으며 텍스트는 페이지, 블록, 단락, 단어로 나뉩니다.

프랑스어를 할 줄 모른다면 이 문장의 뜻을 모를 것입니다. 다음 단계는 번역입니다.

2. 다음 curl 명령어를 실행하여 나중에 참조할 수 있도록 ocr-response.json 파일에 응답을 저장합니다.

curl -s -X POST -H "Content-Type: application/json" --data-binary @ocr-request.json https://vision.googleapis.com/v1/images:annotate?key=${API_KEY} -o ocr-response.json

작업 5. 이미지의 텍스트를 Translation API로 전송하기

Translation API는 텍스트를 100개 이상의 언어로 번역할 수 있으며 입력 텍스트의 언어를 감지할 수도 있습니다. 프랑스어 텍스트를 영어로 번역하려면 텍스트와 대상 언어(en-US)의 언어 코드를 Translation API에 전달합니다.

1. 먼저 translation-request.json 파일을 만들고 다음을 추가합니다.

{ "q": "your_text_here", "target": "en" }

q에 번역할 문자열을 전달하게 됩니다.

2. 파일을 저장합니다.

3. Cloud Shell에서 이 Bash 명령어를 실행하여 이전 단계에서 이미지 텍스트를 추출하고 새 translation-request.json에 복사합니다. 이 모든 일은 하나의 명령어로 실행할 수 있습니다.

STR=$(jq .responses[0].textAnnotations[0].description ocr-response.json) && STR="${STR//\"}" && sed -i "s|your_text_here|$STR|g" translation-request.json

4. 이제 Translation API를 호출할 준비가 되었습니다. 이 명령어는 응답을 translation-response.json 파일에도 복사합니다.

curl -s -X POST -H "Content-Type: application/json" --data-binary @translation-request.json https://translation.googleapis.com/language/translate/v2?key=${API_KEY} -o translation-response.json

5. 이 명령어를 실행하여 Translation API 응답이 포함된 파일을 검사합니다.

cat translation-response.json

이제 간판에 적힌 내용을 더 잘 이해할 수 있습니다.

{ "data": { "translations": [ { "translatedText": "TO THE PUBLIC GOOD the dispatches For Obama, the mustard is from Dijon", "detectedSourceLanguage": "fr" } ] } }

응답에서 각 항목의 의미는 다음과 같습니다.

• translatedText에는 번역 결과가 포함됩니다.
• detectedSourceLanguage는 프랑스어의 ISO 언어 코드인 fr입니다.

Translation API는 100개 이상의 언어를 지원하며, 지원되는 모든 언어는 언어 지원 참조에 나와 있습니다.

번역하는 것 이외에, 이미지에서 추출한 텍스트로 더 많은 분석을 수행하고 싶을 수 있습니다. 이럴 경우 Natural Language API가 유용합니다. 다음 단계로 넘어가겠습니다.

작업 6. Natural Language API를 사용하여 이미지의 텍스트 분석하기

Natural Language API로 항목을 추출하고, 감정과 구문을 분석하고, 텍스트를 카테고리로 분류할 수 있어 텍스트를 이해하는 데 도움이 됩니다. analyzeEntities 메서드를 사용하여 이미지에서 추출한 텍스트에서 Natural Language API가 어떤 항목을 찾을 수 있는지 확인합니다.

1. API 요청을 설정하려면 다음을 사용하여 nl-request.json 파일을 만듭니다.

{ "document":{ "type":"PLAIN_TEXT", "content":"your_text_here" }, "encodingType":"UTF8" }

요청에서는 전송하는 텍스트에 대한 사항을 Natural Language API에 알립니다.

• type: 지원되는 유형(type)의 값은 PLAIN_TEXT 또는 HTML입니다.

• content: Natural Language API에 전송하여 분석하려는 텍스트를 전달합니다. 또한 Natural Language API는 Cloud Storage에 저장된 파일을 전송하여 텍스트 처리를 할 수 있도록 지원합니다. Cloud Storage에서 파일을 전송하려면 content를 gcsContentUri로 대체하고 Cloud Storage의 텍스트 파일의 URI 값을 사용해야 합니다.

• encodingType: API에 텍스트를 처리할 때 사용할 텍스트 인코딩 유형을 알려줍니다. API는 이를 사용하여 특정 항목이 텍스트의 어느 위치에 포함되는지 계산합니다.

2. Cloud Shell에서 이 Bash 명령어를 실행하여 번역된 텍스트를 Natural Language API 요청의 콘텐츠 블록에 복사합니다.

STR=$(jq .data.translations[0].translatedText translation-response.json) && STR="${STR//\"}" && sed -i "s|your_text_here|$STR|g" nl-request.json

이제 nl-request.json 파일에 원본 이미지에서 추출하여 영어로 번역된 텍스트가 포함되어 있습니다. 이를 분석해 보겠습니다.

3. 이 curl 요청으로 Natural Language API의 analyzeEntities 엔드포인트를 호출합니다.

curl "https://language.googleapis.com/v1/documents:analyzeEntities?key=${API_KEY}" \ -s -X POST -H "Content-Type: application/json" --data-binary @nl-request.json

응답을 스크롤하면 Natural Language API가 찾은 항목을 확인할 수 있습니다.

{ "entities": [ { "name": "dispatches", "type": "OTHER", "metadata": {}, "salience": 0.3560996, "mentions": [ { "text": { "content": "dispatches", "beginOffset": 23 }, "type": "COMMON" } ] }, { "name": "mustard", "type": "OTHER", "metadata": {}, "salience": 0.2878307, "mentions": [ { "text": { "content": "mustard", "beginOffset": 38 }, "type": "COMMON" } ] }, { "name": "Obama", "type": "PERSON", "metadata": { "mid": "/m/02mjmr", "wikipedia_url": "https://en.wikipedia.org/wiki/Barack_Obama" }, "salience": 0.16260329, "mentions": [ { "text": { "content": "Obama", "beginOffset": 31 }, "type": "PROPER" } ] }, { "name": "Dijon", "type": "LOCATION", "metadata": { "mid": "/m/0pbhz", "wikipedia_url": "https://en.wikipedia.org/wiki/Dijon" }, "salience": 0.08129317, "mentions": [ { "text": { "content": "Dijon", "beginOffset": 54 }, "type": "PROPER" } ] } ], "language": "en" }

Wikipedia 페이지가 있는 항목의 경우 API는 해당 페이지의 URL과 더불어 항목의 mid를 포함하는 메타데이터를 제공합니다. mid는 Google의 지식 그래프(Knowledge Graphc)에서 이 항목에 매핑되는 ID입니다. 이에 대한 자세한 정보를 얻으려면 이 ID를 전달하여 Knowledge Graph API를 호출하면 됩니다. Natural Language API는 모든 항목에 대해 텍스트에 나타난 위치(멘션), 항목의 유형, 현저성([0,1] 범위로 항목이 텍스트 전체에서 얼마나 중요한지 나타냄)을 알려줍니다. Natural Language API는 영어 외에도 언어 지원 참조에 나열된 언어를 지원합니다.

이 이미지를 보면 중요한 항목을 비교적 쉽게 고를 수 있지만, 수천 개의 이미지가 포함된 라이브러리에서는 훨씬 더 고르기 어려울 것입니다. OCR, 번역, 자연어 처리는 대규모 이미지 데이터 세트에서 의미를 추출하는 데 도움이 될 수 있습니다.

내 진행 상황 확인하기를 클릭하여 실행한 작업을 확인합니다.

Natural Language API를 사용하여 이미지의 텍스트를 분석합니다

수고하셨습니다.

Vision API의 OCR 메서드로 이미지에서 텍스트를 추출한 다음 Translation API로 해당 텍스트를 영어로 번역하고 Natural Language API로 해당 텍스트에서 항목을 찾는 등 3가지 머신러닝 API 결합 방법을 배웠습니다. 이러한 API를 함께 사용하면 대규모 이미지 데이터 세트에서 의미를 추출할 수 있습니다.

다음 단계/더 학습하기

• Vision, Translation, Natural Language의 튜토리얼과 문서로 자세히 알아보기

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2024년 10월 22일

실습 최종 테스트: 2024년 10월 22일

Copyright 2026 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.