如何针对特定语言

Question

我对Google Vision API的TEXT_DETECTION感兴趣，它的作品令人印象深刻。但是，当文本是英文时，TEXT_DETECTION似乎只给出了确切的结果。在我的情况下，我想在非常狭窄的环境中使用TEXT_DETECTION，例如在特定语言的广告横幅上检测文本（在我的情况下用越南语）。我可以在我自己的数据收集上训练机器以获得更准确的结果吗？以及如何实现这个？

除谷歌视觉API的TEXT_DETECTION外，谷歌还拥有使用Tesseract依赖关系的谷歌光学字符识别（OCR）软件。众所周知，他们有不同的算法来检测文本。我使用谷歌文档和Google Vision API的TEXT_DETECTION从图片中读取文本（在Vietnamse）。谷歌文档给出了一个很好的结果，但Vision API没有。为什么Google Vision API不会继承Google OCR的优势？

我想更多地谈谈谷歌视觉API文本检测，也许这里有任何Google专家，可以阅读。正如谷歌宣布的那样，他们的TEXT_DETECTION太棒了：“即使这张图片中的文字倾斜且不清楚，OCR也会正确地提取文字及其位置。它甚至会在主持人的T恤上拾取”灯塔“这个词。 ”。但对于我的一些照片，发生的事情真的很有趣。例如this pic，甚至单词“Kem Oxit”在pic的中心都非常大，但是没有被识别出来。或者在this pic中，图片中心的红色文字“HOA CHAT NGOC VIET”也未被识别。文本检测算法一定有问题。

Answer 1

您是否尝试过LanguageHints（link to documentation）？

越南语位于supported languages列表中，如果文本始终使用越南语，则应提高文本检测质量。

如果这不会有帮助，您就无法通过提供自己的培训示例来提高文本检测的质量。

Answer 2

Fematich是对的，目前无法训练Google Vision API的TEXT_DETECTION功能。

关于光学字符识别软件，根据此link，它在Google Vision API中用于TEXT_DETECTION。为了获得更好的效果，请务必验证best practices是否适用于您的图片。 Google文档可能有不同的预处理机制，可以在Google Docs Help Forum上提问。

分辨率为375x500像素时，第一张图像不满足best practices中所述的640x480像素的最低分辨率要求。不过，通过将其重新调整为1024x1365像素，Google Vision API能够检测到“Oxit”这个词。将第二张图像重新调整为OCR建议大小为1024x768像素进行字符识别后，API再次成功检测到“HOA CHAT NGOC VIET”字样。请注意，将来这类问题更适合{{3}因为它可能需要更多细节才能重现您的确切错误。