google 视觉 API returns 空边界框顶点，取而代之 returns normalised_vertexes

Question

我正在使用 vision.enums.Feature.Type.DOCUMENT_TEXT_DETECTION 提取 pdf 文档中的一些密集文本。这是我的代码：

from google.cloud import vision

def extract_text(bucket, filename, mimetype):
    print('Looking for text in PDF {}'.format(filename))
    # BATCH_SIZE; How many pages should be grouped into each json output file.
    # """OCR with PDF/TIFF as source files on GCS"""

    # Detect text
    feature = vision.types.Feature(
        type=vision.enums.Feature.Type.DOCUMENT_TEXT_DETECTION)
    # Extract text from source bucket
    gcs_source_uri = 'gs://{}/{}'.format(bucket, filename)
    gcs_source = vision.types.GcsSource(uri=gcs_source_uri)
    input_config = vision.types.InputConfig(
        gcs_source=gcs_source, mime_type=mimetype)

    request = vision.types.AnnotateFileRequest(features=[feature], input_config=input_config)

    print('Waiting for the ORC operation to finish.')
    ocr_response = vision_client.batch_annotate_files(requests=[request])

    print('OCR completed.')

在响应中，我希望在 ocr_response.responses[1...n].pages[1...n].blocks[1...n].bounding_box 中找到一个 vertices 的列表，但这个列表是空的。相反，有一个 normalized_vertices 列表，它是 0 和 1 之间的规范化顶点。为什么会这样？为什么 vertices 结构是空的？我正在关注 this 文章，那里的作者使用 vertices，但我不明白为什么我没有得到它们。为了将它们转换为非规范化形式，我将规范化的顶点乘以高度和宽度，但结果很糟糕，盒子没有很好地定位。

Answer 1

要将 Normalized Vertex 转换为 Vertex，您应该将 NormalizedVertex 的 x 字段乘以宽度值以获得 Vertex 的 x 字段，并将 NormalizedVertex 的 y 字段乘以高度值以获得顶点.

reason 为什么你得到 Normalized Vertex，而 Medium 文章的作者得到 Vertex 是因为 TEXT_DETECTION 和 DOCUMENT_TEXT_DETECTION 模型自 5 月 15 日以来已升级到较新的版本, 2020, medium文章写于2018年12月25日

要对结果使用遗留模型，您必须在要素对象的模型字段中指定 "builtin/legacy_20190601" 以获取旧模型结果。

但是 Google 的文档提到，2020 年 11 月 15 日之后将不再提供旧型号。

google 视觉 API returns 空边界框顶点，取而代之 returns normalised_vertexes

google vision API returns empty bounding box vertexes, instead it returns normalised_vertexes

python-3.x

google-cloud-platform

google-cloud-vision

google-vision