来自 Google Vision API 的 OCR 置信度得分

Posted 2023-04-17

【中文标题】来自 Google Vision API 的 OCR 置信度得分

【英文标题】：OCR confidence score from Google Vision API

【发布时间】：2020-10-22 05:56:54

【问题描述】：

我正在使用 Google Vision OCR 从 python 中的图像中提取文本。 使用以下代码 sn -p. 但是，置信度分数总是显示0.0，这绝对是不正确的。

如何从 Google 响应中提取单个字符或单词的 OCR 置信度分数？

 content = cv2.imencode('.jpg', cv2.imread(file_name))[1].tostring()
 img = types.Image(content=content)
 response1 = client.text_detection(image=img, image_context="language_hints": ["en"])
 response_annotations = response1.text_annotations
 for x in response1.text_annotations:
      print(x)
      print(f'confidence:x.confidence')

例如：迭代的输出

description: "Date:"
bounding_poly 
  vertices 
    x: 127
    y: 11
  
  vertices 
    x: 181
    y: 10
  
  vertices 
    x: 181
    y: 29
  
  vertices 
    x: 127
    y: 30
  


confidence:0.0

【问题讨论】：

试图在演示 api 中发布图像？不同的结果？也可能删除语言提示会产生一些影响

演示 api？可以进一步阐述。它完美地 OCRed，甚至每个字符的大小写都正确找到了空格数。它的信心是零，不加起来

在这里试试 -> cloud.google.com/vision，同样的信心？

遇到与google-cloud-vision==1.0.0相同的问题

@letsBeePolite 请问有关于这个问题的消息吗？

【参考方案1】：

我设法重现了您的问题。我使用了以下函数并获得了所有项目的置信度 0.0。

from google.cloud import vision

def detect_text_uri(uri):
    client = vision.ImageAnnotatorClient()
    image = vision.types.Image()
    image.source.image_uri = uri

    response = client.text_detection(image=image)
    texts = response.text_annotations
    print('Texts:')

    for text in texts:
        print('\n""'.format(text.description))

        vertices = (['(,)'.format(vertex.x, vertex.y)
                    for vertex in text.bounding_poly.vertices])

        print('bounds: '.format(','.join(vertices)))
        print("confidence: ".format(text.confidence))

    if response.error.message:
        raise Exception(
            '\nFor more info on error messages, check: '
            'https://cloud.google.com/apis/design/errors'.format(
                response.error.message))

但是，当在documentation 中使用带有“Try the API”选项的相同图像时，我获得了置信度非 0 的结果。从本地图像中检测文本时也会发生这种情况。

人们应该期望使用这两种方法的置信度具有相同的值。我已经打开了一个问题跟踪器，请查看here。

【讨论】：

注意，"Try the API" 似乎使用了DOCUMENT_TEXT_DETECTION 功能，而不是TEXT_DETECTION。从代码调用时，使用document_text_detection() 而不是text_detection() 似乎可以保持信心。

【参考方案2】：

检索 GOCR 响应的正确置信度值的工作代码。

（使用document_text_detection() 代替text_detection()）

def detect_document(path):
    """Detects document features in an image."""
    from google.cloud import vision
    import io
    client = vision.ImageAnnotatorClient()

    # [START vision_python_migration_document_text_detection]
    with io.open(path, 'rb') as image_file:
        content = image_file.read()

    image = vision.types.Image(content=content)

    response = client.document_text_detection(image=image)

    for page in response.full_text_annotation.pages:
        for block in page.blocks:
            print('\nBlock confidence: \n'.format(block.confidence))

            for paragraph in block.paragraphs:
                print('Paragraph confidence: '.format(
                    paragraph.confidence))

                for word in paragraph.words:
                    word_text = ''.join([
                        symbol.text for symbol in word.symbols
                    ])
                    print('Word text:  (confidence: )'.format(
                        word_text, word.confidence))

                    for symbol in word.symbols:
                        print('\tSymbol:  (confidence: )'.format(
                            symbol.text, symbol.confidence))

    if response.error.message:
        raise Exception(
            '\nFor more info on error messages, check: '
            'https://cloud.google.com/apis/design/errors'.format(
                response.error.message))
    # [END vision_python_migration_document_text_detection]
# [END vision_fulltext_detection]

# add your own path
path = "gocr_vision.png"
detect_document(path)

【讨论】：

改变方法不是解决办法。 document_text_detection 没有 text_detection 的目标