机器学习套件文字识别 v2 API 可以识别任何中文、梵文、日语、韩语和拉丁语字符集中的文本。此 API 还可用于自动执行数据输入任务,例如处理信用卡、收据和名片。
主要功能
- 识别各种文字和语言的文本 支持识别中文、梵文、日语、韩语和拉丁字母的文字
- 分析文本结构支持检测符号、元素、行和段落
- 识别文本的语言 识别识别出的文本的语言
- 实时识别:可以在各种设备上实时识别文本
文字结构
文本识别器将文本细分为块、行、元素和符号。大致说来:
块是一组连续的文本行,例如段落或列。
线条是同一轴上的一组连续字词,并且
一个元素 (Element) 是同一轴上的一组连续字母数字字符(“字词”),或其他语言中的字词是一个字词
Symbol 是大多数拉丁语言中同一轴上的单个字母数字字符,或其他字符
下图按降序突出显示了上述各项的示例。第一个突出显示的块以青色显示,表示文本块。第二组突出显示的蓝色块是“文本行”。最后,第三组突出显示的块(深蓝色)是“Words”。
对于所有检测到的所有块、线、元素和符号,该 API 会返回边界框、角点、旋转信息、置信度分数、识别的语言和识别的文本。
示例结果
![](https://developers.google.cn/static/ml-kit/vision/text-recognition/images/Wege_der_parlamentarischen_Demokratie.jpg?authuser=5&hl=cs)
照片:Dietmar Rabich,Wikimedia Commons、《Düsseldorf, Wege der parlamentarischen Demokratie -- 2015 -- 8123》,CC BY-SA 4.0
识别的文本 | |
---|---|
文字 | Wege der parlamentarischen Demokratie |
推挡次数 | (1 个块) |
文本块 0 | |
---|---|
文字 | 民主党人民共和国议会大厦 |
Frame | (296、665 - 796、882) |
角点 | (296, 719)、(778, 665)、(796, 828)、(314, 882) |
可识别的语言代码 | de |
线条 | (3 行) |
第 0 行 | |
---|---|
文字 | 韦格德 |
Frame | (434、678 - 670、749) |
角点 | (434, 705)、(665, 678)、(670, 722)、(439, 749) |
可识别的语言代码 | de |
置信度分数 | 0.8766741 |
旋转角度 | -6.6116457 |
元素 | (2 个元素) |
元素 0 | |
---|---|
文字 | 韦格 |
Frame | (434、689 - 575、749) |
角点 | (434, 705)、(570, 689)、(575, 733)、(439, 749) |
可识别的语言代码 | de |
置信度分数 | 0.8964844 |
旋转角度 | -6.6116457 |
元素 | (4 个元素) |
符号 0 | |
---|---|
文字 | 西 |
Frame | (434、698 - 500、749) |
角点 | (434, 706)、(495, 698)、(500, 741)、(439, 749) |
置信度分数 | 0.87109375 |
旋转角度 | -6.611646 |