演示页面和控制台之间的Azure OCR差异

Question

我有几个需要用OCR识别的图像的例子。

我试着在演示页面https://azure.microsoft.com/en-us/services/cognitive-services/computer-vision/上识别它们，它工作得很好。我使用“读取图像中的文本”选项，它比“从图像中读取手写文本”的效果更好。

但是，当我尝试从脚本中使用REST调用时(根据文档中给出的示例)，结果要糟糕得多。有些字母被认为是错误的，有些则完全遗漏了。如果我尝试从开发控制台https://westcentralus.dev.cognitive.microsoft.com/docs/services/5adf991815e1060e6355ad44/operations/56f91f2e778daf14a499e1fc/console运行相同的示例，仍然会得到同样糟糕的结果。

造成这种差异的原因是什么？在演示页面生成时，我如何修复它以获得可靠的结果？

也许需要任何额外的信息？

UPD:由于我找不到任何解决方案，甚至无法解释其中的差异，所以我创建了一个示例文件(类似于实际文件)，因此您可以查看一下。文件url为http://sfiles.herokuapp.com/sample.png

您可以看到，如果在演示页面https://azure.microsoft.com/en-us/services/cognitive-services/computer-vision/的“在图像中读取文本”一节中使用了它，则生成的JSON为

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          307,
          159,
          385,
          158,
          386,
          173,
          308,
          174
        ],
        "text": "October 2011",
        "words": [
          {
            "boundingBox": [
              308,
              160,
              357,
              160,
              357,
              174,
              308,
              175
            ],
            "text": "October"
          },
          {
            "boundingBox": [
              357,
              160,
              387,
              159,
              387,
              174,
              357,
              174
            ],
            "text": "2011"
          }
        ]
      },
      {
        "boundingBox": [
          426,
          157,
          519,
          158,
          519,
          173,
          425,
          172
        ],
        "text": "07UC14PII0244",
        "words": [
          {
            "boundingBox": [
              426,
              160,
              520,
              159,
              520,
              174,
              426,
              174
            ],
            "text": "07UC14PII0244"
          }
        ]
      }
    ]
  }
}

如果我在控制台中使用此文件并执行以下调用：

POST https://westcentralus.api.cognitive.microsoft.com/vision/v2.0/ocr?language=unk&detectOrientation =true HTTP/1.1
Host: westcentralus.api.cognitive.microsoft.com
Content-Type: application/json
Ocp-Apim-Subscription-Key: ••••••••••••••••••••••••••••••••

{"url":"http://sfiles.herokuapp.com/sample.png"}

我得到不同的结果：

{
  "language": "el",
  "textAngle": 0.0,
  "orientation": "Up",
  "regions": [{
    "boundingBox": "309,161,75,10",
    "lines": [{
      "boundingBox": "309,161,75,10",
      "words": [{
        "boundingBox": "309,161,46,10",
        "text": "October"
      }, {
        "boundingBox": "358,162,26,9",
        "text": "2011"
      }]
    }]
  }, {
    "boundingBox": "428,161,92,10",
    "lines": [{
      "boundingBox": "428,161,92,10",
      "words": [{
        "boundingBox": "428,161,92,10",
        "text": "071_lC14P110244"
      }]
    }]
  }]
}

如您所见，结果完全不同(甚至是JSON格式)。有没有人知道我做错了什么，或者我漏掉了什么，“在图像中读取文本”演示与API的ocr方法不匹配？

都会非常感谢你的帮助。

Answer 1

Microsoft Cognitive Services中有两种风格的OCR。较新的端点(/recognizeText)具有更好的识别功能，但目前仅支持英语。较旧的端点(/ocr)具有更广泛的语言覆盖范围。

有关这些差异的更多详细信息，请参阅this post。