Google Vision API无法识别个位数字

Question

我有一个项目使用Google Vision API DOCUMENT_TEXT_DETECTION来从文档图片中提取文字。

通常，API在识别单个数字方面存在问题，如下图所示：

我认为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 =＆＃39; en＆＃39;或者＆＃39; mt＆＃39;这些数字被ocr忽略。有没有办法强制识别数字或拉丁字符？

Answer 1

不幸的是，我认为Vision API针对频谱的两端进行了优化-一端为密集文本（DOCUMENT_TEXT_DETECTION），另一端为任意文本（TEXT_DETECTION）。正如您在评论中指出的那样，常规TEXT_DETECTION对于这些零散的单个数字效果更好，而DOCUMENT_TEXT_DETECTION在整体上效果更好。

据我所知，目前尚无计划以单一方式涵盖这两个方面，但将来可能会有所改善。

我认为还有其他要求对您要检测的内容进行微调和提示（例如here和here），但这似乎不是可用。也许将来，您将能够在图像中找到更多的文本格式提示（例如电话号码，个位数等）。