谷歌云视觉 DOCUMENT_TEXT_DETECTION 语言提示 - 我怎样才能让武力只使用一种语言？

Posted 2023-04-17

【中文标题】谷歌云视觉 DOCUMENT_TEXT_DETECTION 语言提示 - 我怎样才能让武力只使用一种语言？

【英文标题】：Google cloud vision DOCUMENT_TEXT_DETECTION language hints - how i can make force use only one language?

【发布时间】：2021-04-28 01:02:36

【问题描述】：

我在文档上进行文本识别。 .NET Core 库

var client = ImageAnnotatorClient.Create();
                ImageContext context = new ImageContext();
                foreach (var hints in context.LanguageHints)
                
                    Console.WriteLine("hint " + hints);
                
               var response = client.DetectDocumentText(fromBytes, context);

在俄语中有一个短语“Однажды вечером”（一个晚上）

如果我在没有语言提示的情况下使用 Google DOCUMENT_TEXT_DETECTION，那么我会得到结果“ОДНАЖДЫ BELEPOM”（第一个单词正确！第二个 - 失败）

好吧，可能是对语言有疑问，我们会明确指出是俄语

  context.LanguageHints.Add("ru");
  var response = client.DetectDocumentText(fromBytes, context);

结果是一样的——第二个词完全是拉丁文。

我想，不知怎的，我问错了提示？让我们试试其他语言的例子

context.LanguageHints.Add("en");
  var response = client.DetectDocumentText(fromBytes, context);

结果：

DAHAYKALI BELEPOM

正如我们所见，提示功能是独立工作的，只是俄语单词“ВЕЧЕРОМ”（On Evening）被识别得如此低的置信度，以至于回退到在英语 OCR 中使用。

问题是 - 你如何强制禁用所有 OCR 模块，除了只有一种语言？（在这种情况下是俄语）让他至少尝试识别俄语字母，尽管信心不足。

【参考方案1】：

将您的请求与 API 中的请求进行比较，在 api 中您会收到正确的值。 “Однажды вечером” （向下滚动你有请求 json）

【参考方案2】：

根据link，无法限制语言，这只是一个提示。

解决方案，不确定它是否会起作用，是使用带有受限字符集的 tesseract 并通过它运行此文本。 https://***.com/a/70345684/14980950.

【讨论】：

虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接答案可能会失效。 - From Review

“使用带有受限字符集的 tesseract 并通过它运行此文本。”这是答案的重要部分。