标签: google-cloud-vision

我正在尝试使用Google Cloud Vision API中现在支持的PDF/TIFF文档文本检测.使用他们的示例代码,我能够提交PDF并接收带有提取文本的JSON对象.我的问题是保存到GCS的JSON文件只包含"符号"的边界框和文本,即每个单词中的每个字符.这使得JSON对象非常难以使用并且非常难以使用.我希望能够获得"LINES","PARAGRAPHS"和"BLOCKS"的文本和边界框,但我似乎无法通过该AsyncAnnotateFileRequest()方法找到方法.

示例代码如下:

def async_detect_document(gcs_source_uri, gcs_destination_uri):
    """OCR with PDF/TIFF as source files on GCS"""
    # Supported mime_types are: 'application/pdf' and 'image/tiff'
    mime_type = 'application/pdf'

    # How many pages should be grouped into each json output file.
    batch_size = 2

    client = vision.ImageAnnotatorClient()

    feature = vision.types.Feature(
        type=vision.enums.Feature.Type.DOCUMENT_TEXT_DETECTION)

    gcs_source = vision.types.GcsSource(uri=gcs_source_uri)
    input_config = vision.types.InputConfig(
        gcs_source=gcs_source, mime_type=mime_type)

    gcs_destination = vision.types.GcsDestination(uri=gcs_destination_uri)
    output_config = vision.types.OutputConfig(
        gcs_destination=gcs_destination, batch_size=batch_size)

    async_request = vision.types.AsyncAnnotateFileRequest(
        features=[feature], input_config=input_config,
        output_config=output_config)

    operation = client.async_batch_annotate_files(
        requests=[async_request])

    print('Waiting for the operation …

我一直在测试Google的Vision API,以便为不同的图像添加标签.

对于给定的图像,我会得到这样的东西:

"google_labels": {
            "responses": [{
                "labelAnnotations": [{
                    "score": 0.8966763,
                    "description": "food",
                    "mid": "/m/02wbm"
                }, {
                    "score": 0.80512983,
                    "description": "produce",
                    "mid": "/m/036qh8"
                }, {
                    "score": 0.73635191,
                    "description": "juice",
                    "mid": "/m/01z1kdw"
                }, {
                    "score": 0.69849229,
                    "description": "meal",
                    "mid": "/m/0krfg"
                }, {
                    "score": 0.53875387,
                    "description": "fruit",
                    "mid": "/m/02xwb"
                }]
            }]
        }

- >我的问题是:

1. 有人知道Google是否已经发布了他们的完整标签列表(['produce', 'meal', ...])以及我在哪里可以找到它？
2. 这些标签是否以任何方式构成？ - 例如,它是否知道'食物'是'产品'的超集.

我猜是'不'和'不'因为我找不到任何东西,但是,也许不是.谢谢!

我一直在尝试使用Python实现一个OCR程序,该程序读取具有特定格式的数字,XXX-XXX.我使用了Google的Cloud Vision API文本识别功能,但结果并不可靠.在30个高对比度1280 x 1024 bmp图像中,只有少数产生正确的输出,或者至少在结果中包含正确的输出.该程序倾向于省略一些数字,以非英语语言输出或隐藏一些特殊字符.

目标是至少连续输出正确的数字,如果结果与其他垃圾混在一起无关紧要.有没有办法帮助程序更好地识别数字,例如将结果限制为特定格式,或仅限于数字？

我有一个项目,它使用Google Vision API DOCUMENT_TEXT_DETECTION来从文档图像中提取文本.

通常,API在识别单个数字时会遇到麻烦,如下图所示:

我想这个问题可能与某些噪声消除算法有关,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:

但如果我指定为参数languageHints ='en'或'mt',则ocr会忽略这些数字.有没有办法强制识别数字或拉丁字符？

我正在通过Google Cloud Vision API搜索图像中的相关产品。但是，我发现我需要首先创建一个产品集（并上传图像），然后搜索我创建的产品集。

是否有任何 API 可以让我提供图像（无需创建任何产品集）并在 google（或亚马逊等任何特定网站）中搜索图像中的相关产品（及其电子商务链接）？基本上复制了谷歌镜头对其应用程序的作用。如果没有，是否有适用于相同用例的谷歌镜头移动 SDK，即查找提供图像的相关产品（及其电子商务 URI）？

更新1

我对此进行了更多研究，并找到了Web Inspection API。这确实在一定程度上达到了目的。但是，我无法过滤来自特定网站的结果（例如：亚马逊）。有没有办法过滤特定域的结果？

我正在阅读有关vision API请求架构的文档.在图像源中,我只看到使用GCS图像路径的URL的选项.是否可以使用http://example.com/images/image01.jpg等外部图片网址？

我在90度旋转图像上尝试了Google Cloud Vision api(TEXT_DETECTION).它仍然可以正确返回识别的文本.(见下图)

这意味着即使图像旋转90度,180度,270度,引擎也可以识别文本.

但是,响应结果不包括正确图像方向的信息.(document:EntityAnnotation)

无论如何,不​​仅要获得认可的文字,还要获得方向？
谷歌可以支持它类似于(FaceAnnotation:getRollAngle)

我试图运行示例应用程序,在此处找到Github Sample,我已经创建了一个证书并创建了一个API密钥并按照指示应用.但是当我上传图片时,我得到了这个例外.我不知道我犯了什么错误.我错过了什么吗？

failed to make API request because {
    "code": 403,
    "errors": [{
        "domain": "global",
        "message": "Requests from this Android client application <empty> are blocked.",
        "reason": "forbidden"
    }],
    "message": "Requests from this Android client application <empty> are blocked.",
    "status": "PERMISSION_DENIED"
}

当我们返回"我们目前无法访问该URL"时,我会调用google api.但资源必须存在且可以访问.

https://vision.googleapis.com/v1/images:annotate

请求内容:

{
  "requests": [
    {
      "image": {
        "source": {
          "imageUri": "http://yun.jybdfx.com/static/img/homebg.jpg"
        }
      },
      "features": [
        {
          "type": "TEXT_DETECTION"
        }
      ],
      "imageContext": {
        "languageHints": [
          "zh"
        ]
      }
    }
  ]
}

回复内容:

{
  "responses": [
    {
      "error": {
        "code": 4,
        "message": "We can not access the URL currently. Please download the content and pass it in."
      }
    }
  ]
}

我刚刚测试了Google Cloud Vision API,以便在图片中读取文本(如果存在).

到目前为止,我安装了Maven服务器和Redis服务器.我只是按照本页中的说明操作.

https://github.com/GoogleCloudPlatform/cloud-vision/tree/master/java/text

到目前为止,我能够使用.jpg文件进行测试,是否可以使用tiff文件或pdf进行测试？

我使用以下命令:

java -cp target/text-1.0-SNAPSHOT-jar-with-dependencies.jar     com.google.cloud.vision.samples.text.TextApp ../../data/text/

在文本目录中,我有jpg格式的文件.

然后要读取转换后的文件,我不知道该怎么做,只是运行以下命令

java -cp target/text-1.0-SNAPSHOT-jar-with-dependencies.jar com.google.cloud.vision.samples.text.TextApp

我收到消息,输入一个单词或短语来搜索转换后的文件.有没有办法看到整个文件转变？

谢谢!