如何针对特定语言改进 Google Vision API 的 TEXT_DETECTION答案

【问题标题】：How to Improve TEXT_DETECTION of Google Vision API for specific language如何针对特定语言改进 Google Vision API 的 TEXT_DETECTION
【发布时间】：2017-02-22 03:49:09
【问题描述】：

我对 Google Vision API 的 TEXT_DETECTION 感兴趣，它的效果令人印象深刻。但似乎 TEXT_DETECTION 仅在文本为英文时才给出准确的结果。在我的例子中，我想在一个非常狭窄的上下文中使用 TEXT_DETECTION，例如检测特定语言的广告横幅上的文本（在我的例子中是越南语）。我可以根据自己的数据收集训练机器以获得更准确的结果吗？以及如何实现这一点？

除了 Google Vision API 的 TEXT_DETECTION 之外，Google 还拥有使用 Tesseract 依赖项的 Google 光学字符识别 (OCR) 软件。据我所知，他们有不同的算法来检测文本。我使用 Google Docs 和 Google Vision API 的 TEXT_DETECTION 从图片中读取文本（越南语）。 Google Docs 给出了很好的结果，但 Vision API 没有。为什么 Google Vision API 没有继承 Google OCR 的优势？

我想说更多关于 Google Vision API 文本检测的内容，也许这里有任何 Google 专家都可以阅读此内容。正如 Google 宣布的那样，他们的 TEXT_DETECTION 非常棒：“即使这张图片中的单词倾斜且不清楚，OCR 仍能正确提取单词及其位置。它甚至可以识别出演示者 T 恤上的“信标”一词”。但是对于我的一些照片，发生的事情真的很有趣。例如this pic，即使图片中心的“Kem Oxit”字样很大，也无法识别。或者在this pic，图片中心的红色文字“HOA CHAT NGOC VIET”也无法识别。文本检测算法一定有问题。

【问题讨论】：

标签： google-cloud-platform google-vision

【解决方案1】：

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

越南语在supported languages的列表中，如果文本始终是越南语，这应该会提高文本检测的质量。

如果这没有帮助，您将无法通过提供自己的训练示例来提高文本检测的质量。

【讨论】：

是的，经过询问，我找到并尝试了 LanguageHints，但结果是一样的。感谢您的答复。这意味着现在无法使用 Google Vision API 改进文本检测。
不幸的是，我认为您没有太多其他选择。您也可以尝试通过Google Group 联系 Vision API 团队，也许他们可以为您提供一些优化图像缩放/质量的提示。也许如果你有一个庞大的数据集，他们可能有兴趣使用你的数据来改进他们的模型，但这纯粹是推测性的。

【解决方案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link在Google Vision API for TEXT_DETECTION中使用。为了获得更好的结果，验证best practices 是否适用于您的图片非常重要。 Google Docs 可能有不同的预处理机制，您可以在 Google Docs Help Forum 上提问。

第一个图像的分辨率为 375x500 像素，不满足best practices 中所述的 640x480 像素的最低分辨率要求。尽管如此，通过将其重新缩放到 1024x1365 像素，Google Vision API 还是能够检测到“Oxit”这个词。在将第二张图像重新缩放到 OCR 推荐的 1024x768 像素大小以进行字符识别后，API 再次成功检测到“HOA CHAT NGOC VIET”字样。请注意，将来此类问题将更适合Public Issue Tracker，因为它可能需要更多详细信息才能重现您的确切错误。

【讨论】：

感谢您的详细信息和链接。现在很清楚了。