Google Cloud Vision - 数字和数字OCR

Question

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。我使用了谷歌的Cloud Vision API文本识别，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潜入一些特殊字符。

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并不重要。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？

Answer 1

此时无法添加约束或为Vision API请求提供特定的预期数字格式，如here所述（由Cloud Vision API的项目经理提供）。

您还可以检查所有可能的请求参数（在API reference中），none表示指定数字格式的任何内容。目前只有选项：

• latLongRect：指定图像的位置
• languageHints：表示text_detection的预期语言（支持的语言列表here）

我假设您已经检查了多个响应（包含不同的图像区域）以查看是否可以使用不同数字的位置重建文本？

请注意，Vision API和text_detection并未专门针对您的数据进行优化，如果您有大量带注释的数据，也可以选择使用Tensorflow实际构建您自己的模型。 This blogpost解释了用于检测车牌号码的系统设置（具有特定的数字格式）。所有代码都可以在Github上找到，问题似乎与您的问题非常相关。

Answer 2

我无法告诉你为什么会这样，也许它与语言的读取方式有关，o vs 0，l vs 1等等。但每当我使用OCR并且我专门寻找数字时，我都有读取将检测语言设置为＆＃34;韩语＆＃34;。它对我来说非常好用，并且极大地影响了它的准确性。