商品写真の仕分け（見本）
写真を1枚上げると、何が写っているかを画像認識で判定し、ネットショップの仕分け先（衣類・靴・電子機器・台所用品・食品・家具など）を返すウェブアプリです。
応募用に作った見本です。お客さまの案件ではありません。
できること
- 写真を選ぶと、上位3件の分類と確からしさ、仕分け先を表示します
- 判定の履歴をデータベース（PostgreSQL）に残し、画面に最近20件を出します
- 写真そのものとファイル名は保存しません。照合用のハッシュ値と結果だけ残します
使っている技術
| 役割 | 使ったもの |
|---|
| API・画面 | Python 3.12 / FastAPI / 素の HTML と JavaScript |
| 画像認識 | ONNX Runtime（CPU）で MobileNetV2（ImageNet 1000分類）を動かす |
| データベース | PostgreSQL 16 / SQLAlchemy 2（テストは SQLite） |
| 実行環境 | Docker / Docker Compose、手前に nginx（HTTPS） |
| テスト | pytest（正常な場合・壊れた入力・攻撃を想定した入力） |
外部の AI サービスは呼ばず、サーバーの CPU だけで判定します。1枚あたりの利用料はかからず、判定は1枚20〜30ミリ秒です（3コア・メモリ2GBの小さなサーバーで実測）。
構成
ブラウザ ──HTTPS──> nginx ──> app（FastAPI・画像認識） ──> db（PostgreSQL）
│ └ 学習済みモデル（作るときに照合値を確かめて取り込む）
└ 10MB を超える送信はここで止める
動かし方
deploy/make_secrets.sh # データベースのパスワードを作って secrets/ に置く（画面には出さない）
docker compose up -d --build # http://127.0.0.1:8610/
テスト：
docker build --build-arg DEV=1 -t gazou-shiwake:dev .
docker run --rm gazou-shiwake:dev python -m pytest -q
設計で気をつけたこと
- 壊れた写真・細工した写真で止まらない：画像として読めない物、10MB を超える物、展開すると巨大になる画像（4,000万画素を超える物）は、日本語で理由を返して断ります
- 連打で占有されない：送り元ごとに1分20回までにしています。送り元の判定は、手前の nginx から来た時だけ X-Real-IP を信じ、外から付けられた偽のヘッダーは使いません
- 中の情報を外に出さない：予期しないエラーでも決まった文だけを返し、スタックトレースや内部のパスは出しません。API の説明ページ（/docs）も閉じています
- 秘密を置かない：データベースのパスワードは Docker の secrets で渡し、環境変数やリポジトリには書きません
- モデルのすり替えを防ぐ：学習済みモデルは、作るときに SHA-256 の照合値が一致した物だけを取り込みます
- 仕分けの当て方：分類名を単語の区切りで当てます（"cap"（帽子）が "capuchin"（猿）に当たらないように）。上位3件の合計が20%に届かなければ「要確認」にします
作り方
Claude Code（生成 AI のコーディングツール）を使って、設計・実装・テスト・公開までを進めました。
テストは、正常な場合に加えて、壊れた入力や攻撃を想定した入力も用意し、そのうえで攻める側からの検査（ペネトレーションテスト）もしています。
ライセンス
- コード：MIT License
- 学習済みモデル：ONNX Model Zoo の MobileNetV2（Apache License 2.0）。リポジトリには含めず、作るときに取り込む
- 分類名の一覧：ImageNet の1000分類の名前（pytorch/hub の imagenet_classes.txt）。リポジトリには含めず、作るときに取り込む
- テスト用の写真：tests/samples/CREDITS.md
