问题标签 [vision-api]

我正在尝试使用 Vision API 来提取图像的标题

看起来 Vision API 没有提供关于图像的标题。它提供图像中的对象列表。

看起来IBM Caption Generator为图像提供了 Caption。

谷歌云控制台中是否有任何 UI 可用于浏览为视觉 api 产品搜索创建的产品集？我可以编写 python 脚本来获取该数据，但只是想知道是否有任何我错过的 UI 可用。

我目前在 Vision API 文档上关注此示例：在此处找到

将 gcsPath 字符串传入示例中的 detectTextGcs 方法后，出现错误：“错误：指定的 GCS 路径无效：https ://www.w3.org/TR/SVGTiny12/examples/textArea01.png ”

我期待 PrintStream 对象将图片中保存的文本写入文件，即“明天，\n明天，和\n明天；等等等等……”。在上面提到的 Vision API 文档页面上尝试 API 后，它工作正常，但在 IntelliJ 中不行。

任何帮助是极大的赞赏。谢谢你。（如果这不是一个措辞好的问题，请原谅我，这是我第一次发帖）

文本提取用于从图像中提取文本。我们可以使用文本提取功能从给定图像中 提取图像字体属性，例如字体系列、字体样式、字体大小等吗？

预计提取以下特征

字体系列： TimeNewRoman

字号： 18

字体颜色：黑色

我正在尝试使用google vision api来识别图像
main.js中的文本

但是当我查看我在控制台中得到的内容时，这就是我得到的：

未捕获的类型错误：gax.GoogleProtoFilesRoot 不是构造函数

我需要旋转面部图像。我想了解 GCP 人脸检测的输出。对于滚动角，轴应该在哪里？在口腔中心？在鼻子上？在图像文件的左下角？

滚动角的定义在这里：http ://www.conitec.net/beta/aentity-pan.htm 输出的 GCP 解释似乎在这个过时的页面中：https ://developers.google.com/vision/ face-detection-concepts 这里z轴似乎位于左下角，如果我们想要精确的话，这是不可能的。要获得具有该旋转的图像，我们需要将轴定位在头部。

更新：有人告诉我旋转是相对于图像的中心的。谁能证实这一点？

I'm using @google-cloud/vision with Node.js

I use the sample code as below

This is currently working working and return english texts and numbers. I have texts in image which Vision API's Experimental languages. How can I set the language hint as document specified in node.js API?

https://cloud.google.com/vision/docs/ocr

我使用谷歌云视觉 api 创建了一个模型。我花了无数个小时标记数据，并训练了一个模型。在将近 20 个小时的“训练”模型结束时，它仍然是碰碰运气。

我如何迭代这个模型？我不想失去到目前为止所做的“学习”。它的工作效率约为 3/5 次。

我最好的猜测是我应该再次遍历对象，找到错误的地方，并相应地标记。但我不确定最好的方法。我应该将所有“遗漏”的图像标记为测试数据图像吗？我可以阅读有关此主题的最佳实践或资源吗？

我正在使用 Azure Read API 开发 OCR 解决方案，它为光栅 PDF 提供了开箱即用的解决方案

https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/concept-recognizing-text#read-api

但我不知道它是否可以支持基于矢量的 PDF。通过使用 Aspose 和 PDFxStream 等第三方库，我有其他解决方案，但如果我可以只停留在 Azure Vision API 生态系统中，我更喜欢。

所以我的问题是是否可以将 Read API 用于矢量 PDF，如果不是，我可以使用的最佳实用方法是什么？

我已经在这里和这里阅读了完整的文档，并创建了十几个示例，但是如果 Read API 并行或连续处理多页 PDF，我仍然无法获得？如果有人对此 Azure 服务有深入的了解，请提出建议并分享您对此主题的经验。