机器学习套件文本识别 API 可以识别任何基于拉丁字符集的文本。它还可用于自动执行数据输入任务,如处理信用卡、收据和名片。
主要功能
- 识别各种拉丁语言的文字。支持使用拉丁文字识别文字
- 分析文本结构:支持检测字词/元素、行和段落
- 识别文本的语言 识别识别出的文本的语言
- 应用占用空间较小:在 Android 上,该 API 通过 Google Play 服务以未捆绑库的形式提供。
- 实时识别:在各种设备上实时识别文本
文本结构
文本识别器会将文本分成块、行、元素和符号。大致地说:
块是一组连续的文本行,例如段落或列。
行是同一轴上的一组连续字词,并且
“元素”是指在大多数拉丁语言语言中,同一轴上的一系列连续的字母数字字符(“字词”)或其他语言的字词。
符号是大多数拉丁语言使用同一轴上的单个字母数字字符,
下图按降序突出显示了各个示例。第一个突出显示的块(青色)是文本块。第二组突出显示的蓝色块是文本行。最后,第三组以深蓝色突出显示的块是 Word。
对于所有检测到的分块、线条、元素和符号,该 API 会返回边界框、边点、旋转信息、置信度分数、识别的语言和识别出的文本。
示例结果

照片:Dietmar Rabich、Wikimedia Commons、"Düsseldorf、Wege der parlamentarischen Demokratie -- 2015 -- 8123"、 CC BY-SA 4.0
识别出的文字 | |
---|---|
文本 | Wege der lalamentarischen Demokratie |
盖帽次数 | (1 个代码块) |
块 0 | |
---|---|
文本 | Wege der parlamentarischen Demokratie |
Frame | (296、665 - 796、882) |
角落点 | (296, 719)、(778, 665)、(796, 828)、(314, 882) |
识别出的语言代码 | de |
线条 | (3 行) |
第 0 行 | |
---|---|
文本 | Wege der |
Frame | (434、678 - 670、749) |
角落点 | (434, 705)、(665, 678)、(670, 722)、(439, 749) |
识别出的语言代码 | de |
置信度分数 | 0.8766741 |
旋转角度 | -6.6116457 |
元素 | (2 个元素) |
元素 0 | |
---|---|
文本 | Wege |
Frame | (434、689 - 575、749) |
角落点 | (434, 705)、(570, 689)、(575, 733)、(439, 749) |
识别出的语言代码 | de |
置信度分数 | 0.8964844 |
旋转角度 | -6.6116457 |
元素 | (4 个元素) |
符号 0 | |
---|---|
文本 | W |
Frame | (434、698 - 500、749) |
角落点 | (434, 706)、(495, 698)、(500, 741)、(439, 749) |
置信度分数 | 0.87109375 |
旋转角度 | -6.611646 |