Google Vision API 无法识别个位数

Posted 2023-04-17

【中文标题】Google Vision API 无法识别个位数

【英文标题】：Google Vision API does not recognize single digits

【发布时间】：2018-08-29 09:45:25

【问题描述】：

我有一个项目使用 Google Vision API DOCUMENT_TEXT_DETECTION 从文档图像中提取文本。

API 在识别单个数字时通常会遇到问题，如下图所示：

我想这个问题可能与一些去除噪声的算法有关，它将孤立的单个数字识别为噪声。有没有办法在这些情况下改善视力反应？ （例如管理噪声阈值或其他参数）

在其他时候，Vision 会将数字与字母混淆：

但如果我指定参数 languageHints = 'en' 或 'mt' 这些数字会被 ocr 忽略。有没有办法强制识别数字或拉丁字符？

【问题讨论】：

我不知道确切的原因，但似乎块大小也有问题——它们太大了——所以有些数字可能会被遗漏/误解。寻找控制段大小的选项（如果有）

您可以尝试使用TEXT_DETECTION。如documentation 中所述，DOCUMENT_TEXT_DETECTION 针对密集文本进行了优化。您使用的图像似乎并非如此。

感谢@enlelin 不幸的是，我需要从书面文档中提取文本，这些文档通常具有不同文本密度的区域。就我而言，DOCUMENT_TEXT_DETECTION 的效果要好得多，但在识别孤立字符时遇到了麻烦。

您找到解决此问题的方法了吗？

我也遇到了这个问题。任何人已经解决了这个问题？谢谢

【参考方案1】：

不幸的是，我认为 Vision API 针对频谱的两端进行了优化——一端是密集文本 (DOCUMENT_TEXT_DETECTION)，另一端是任意位的文本 (TEXT_DETECTION)。正如您在 cmets 中所指出的，常规的 TEXT_DETECTION 对这些杂散的个位数效果更好，而 DOCUMENT_TEXT_DETECTION 整体效果更好。

据我所知，目前没有计划尝试以单一方式涵盖这两个方面，但未来可能会有所改善。

我认为还有其他要求对您要检测的内容进行更多微调和提示（例如，here 和 here），但这似乎尚不可用。也许在未来，您将能够提供更多关于您希望在图像中找到的文本格式的提示（例如，电话号码、个位数等）。