力学
簡潔にするために、プロモーションのスクリプトは「ロボットドッグ」と呼ばれます。犬のアカウントに代わってこのスクリプトが犬のトピックに関するハッシュタグによって定期的に投稿を収集し、そのような投稿を高く評価するとします。これらの投稿の作成者の一部は、誰がそれらを気に入ったかに興味を持ち、犬のアカウントページにアクセスします。さて、それでは、それが進むにつれて。誰かがいくつかの画面を下にスクロールして次に進みます。誰かがロボットにいくつかの相互のいいねを与えるでしょう（これも悪くはありません、いいねは投稿のリーチを増やします）。そして、あなたがアカウントが好きなら（犬は非常にカリスマ的であるため、それは可能です）、彼は購読することができます。
注意：大量の好み
そのような行動は「大衆好き」と呼ばれ、Instagramによって特に歓迎されていないことに注意する必要があります。疑わしいアクティビティのロボットドッグが表示されると、Instagramは最初にいくつかの警告を発行し、次にアカウントを永久に禁止する場合があります。ちなみに、手動のマスライキングも禁止されています（つまり、好きな自動サービスではなく、個人的に）。
現在、マスライキングはあまりうまく機能していないという意見があります。さて、同時にチェックします。
マスライクとマスフォローのためのサービスとライブラリ
上記のすべてにもかかわらず、ライブと繁栄をマスリッキングおよびマスフォローするための数十の異なるサービス（興味のある人はここ、ここ、またはグーグルで見ることができます）。これは、マスライキングがとにかく機能することを示唆しています。
それはセックスのようになります。誰もが熱心に取り組んでいるようですが、まともな社会で議論することは認められていません。繰り返しになりますが、インターネット上でマスライクするための経験的に確立された制限を見つけることができます。ロボット犬がそれらを超えない場合、それは禁止に送られるべきではありません。若い（登録日から6か月未満）アカウントの場合、これは1時間あたり30いいね、または1日あたり720を超えません。
pythonistsのための特別なライブラリがあります。最も有名なのはInstapyです（Githubの12kの星、1分間）。あまり知られていないものがあります。ちなみに、最近ハブレに、非常にまともなインスタボットライブラリが理解している記事がありました。しかし、私は個人的に、ハッシュタグによる自動ハッキングにそれらを「正面から」使用することはありません。以下の理由によります。
ハッシュタグの何が問題になっていますか
, ( Instagram , ).
, , . , , .
, ( ), ! - .
"" . , , . - , - . Object Detection, , SSD .
- , SSD MobileNet v.2, COCO2017. MobileNet, GPU . , 94%.
, SSD python. Github, , , .
import cv2
import json
from datetime import datetime
import requests
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
def id_class_name(class_id, classes):
for key, value in classes.items():
if class_id == key:
return value
#
shortcode = 'CJ.........'
classNames = {}
with open('models/coco2017_labels.txt', 'r+', encoding='utf-8') as file:
for line in file:
key = int(line.split(':')[0])
value = line.split(':')[1]
classNames[key] = value.strip()
COLORS = np.random.uniform(0, 255, size=(len(classNames), 3))
s = requests.session()
r = s.get(f'https://www.instagram.com/p/{shortcode}/?__a=1', headers = {'User-agent': 'bot'})
url = r.json()['graphql']['shortcode_media']['display_resources'][0]['src']
resp = requests.get(url, stream=True)
image = np.asarray(bytearray(resp.content), dtype="uint8")
image = cv2.imdecode(image, cv2.IMREAD_COLOR)
image_height, image_width, _ = image.shape
frame_resized = cv2.resize(image,(300,300))
model = cv2.dnn.readNetFromTensorflow('models/frozen_inference_graph.pb',
'models/ssd_mobilenet_v2_coco_2018_03_29.pbtxt')
model.setInput(cv2.dnn.blobFromImage(frame_resized, size=(300, 300), swapRB=True))
output = model.forward()
detections = output[0, 0, :, :]
detections = detections[detections[:,2].argsort()]
for detection in detections:
confidence = detection[2]
class_id = int(detection[1])
class_name = id_class_name(class_id, classNames)
if (confidence > 0.3):
box_x = int(detection[3] * image_width)
box_y = int(detection[4] * image_height)
box_width = int(detection[5] * image_width)
box_height = int(detection[6] * image_height)
cv2.rectangle(image, (box_x, box_y), (box_width, box_height), COLORS[class_id], thickness=2)
label = class_name + ": " + str(round(confidence, 2))
labelSize, baseLine = cv2.getTextSize(label, cv2.FONT_HERSHEY_DUPLEX, 0.5, 1)
yLeftBottom_ = max(box_y, labelSize[1])
cv2.rectangle(image, (box_x, box_y + labelSize[1]), (box_x + labelSize[0], box_y), COLORS[class_id], cv2.FILLED)
cv2.putText(image, label, (box_x, box_y + labelSize[1] - baseLine//2), cv2.FONT_HERSHEY_DUPLEX, 0.5, (255, 255, 255))
plt.figure(figsize=(8,8))
plt.axis("off")
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
# -
#plt.savefig(f'{shortcode}.png')
OpenCV . , - , pip conda install.
/?__a=1 OpenAPI Instagram. , - , , . , Instagram, .
ニューラルネットワークの特定の実装を持つ犬は、常に正しく定義されているわけではないことを言わなければなりません。例えば：
事実、写真の角度はかなり珍しいです-犬の鼻は、トゥーカンのような鳥のくちばしのように見えます。つまり、実際の状況では、適切なコンテンツの一部は必然的に拒否され、ロボット犬はすべての犬を好きになるわけではありません。しかし、解決されている問題の枠組みの中で、これに耐えることはかなり可能です。
つづく。近い将来、私はローカルマシンにロボットを配備し、旅行に出かけ、いいねへの反応に関する統計を収集し、結果を書き留めます。