google-cloud-platform - 如何针对特定语言改进 Google Vision API 的 TEXT_DETECTION

Question

我对 Google Vision API 的 TEXT_DETECTION 很感兴趣，它的效果令人印象深刻。但似乎 TEXT_DETECTION 只在文本为英文时给出准确的结果。就我而言，我想在非常狭窄的上下文中使用 TEXT_DETECTION，例如检测特定语言广告横幅上的文本(我的情况是越南语)。我可以根据自己的数据收集来训练机器以获得更准确的结果吗？以及如何实现？

除了 Google Vision API 的 TEXT_DETECTION 之外，Google 还有使用 Tesseract 依赖项的 Google 光学字符识别 (OCR) 软件。正如我所知，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 给出了一个很好的结果，但 Vision API 没有。为什么 Google Vision API 没有继承 Google OCR 的优点？

我想多说一些关于 Google Vision API 文本检测的内容，也许这里的任何 Google 专家都可以阅读这篇文章。正如谷歌宣布的那样，他们的 TEXT_DETECTION 非常棒:“即使这张图片中的文字倾斜且不清楚，OCR 仍能正确提取文字及其位置。它甚至可以在演示者的 T 恤上识别出“beacon”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 ，即使是“Kem Oxit”字样在图片中心也很大，无法识别。或者在 this pic ，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，您就无法通过提供自己的训练示例来提高文本检测的质量。