借助机器学习套件的数字手写识别功能,您可以识别数字平面上数百种语言的手写文本,还可以对草图进行分类。
试试看
- 试用示例应用,了解此 API 的使用示例。
准备工作
- 在项目级
build.gradle文件中,请务必在buildscript和allprojects部分添加 Google 的 Maven 制品库。 - 将 Android 版机器学习套件库的依赖项添加到模块的应用级 Gradle 文件(通常为
app/build.gradle):
dependencies {
// ...
implementation 'com.google.mlkit:digital-ink-recognition:19.0.0'
}
现在,您已准备好开始识别 Ink 对象中的文本。
构建 Ink 对象
构建 Ink 对象的主要方法是在触摸屏上绘制。在
Android 上,您可以使用
Canvas来实现
此目的。您的
触摸事件处理程序
应调用以下代码段中显示的 addNewTouchEvent()
方法,以将用户绘制的笔划中的点存储到 Ink 对象中。
以下代码段演示了此一般模式。如需查看更完整的示例,请参阅 机器学习套件快速入门示例 。
Kotlin
var inkBuilder = Ink.builder() lateinit var strokeBuilder: Ink.Stroke.Builder // Call this each time there is a new event. fun addNewTouchEvent(event: MotionEvent) { val action = event.actionMasked val x = event.x val y = event.y var t = System.currentTimeMillis() // If your setup does not provide timing information, you can omit the // third paramater (t) in the calls to Ink.Point.create when (action) { MotionEvent.ACTION_DOWN -> { strokeBuilder = Ink.Stroke.builder() strokeBuilder.addPoint(Ink.Point.create(x, y, t)) } MotionEvent.ACTION_MOVE -> strokeBuilder!!.addPoint(Ink.Point.create(x, y, t)) MotionEvent.ACTION_UP -> { strokeBuilder.addPoint(Ink.Point.create(x, y, t)) inkBuilder.addStroke(strokeBuilder.build()) } else -> { // Action not relevant for ink construction } } } ... // This is what to send to the recognizer. val ink = inkBuilder.build()
Java
Ink.Builder inkBuilder = Ink.builder(); Ink.Stroke.Builder strokeBuilder; // Call this each time there is a new event. public void addNewTouchEvent(MotionEvent event) { float x = event.getX(); float y = event.getY(); long t = System.currentTimeMillis(); // If your setup does not provide timing information, you can omit the // third paramater (t) in the calls to Ink.Point.create int action = event.getActionMasked(); switch (action) { case MotionEvent.ACTION_DOWN: strokeBuilder = Ink.Stroke.builder(); strokeBuilder.addPoint(Ink.Point.create(x, y, t)); break; case MotionEvent.ACTION_MOVE: strokeBuilder.addPoint(Ink.Point.create(x, y, t)); break; case MotionEvent.ACTION_UP: strokeBuilder.addPoint(Ink.Point.create(x, y, t)); inkBuilder.addStroke(strokeBuilder.build()); strokeBuilder = null; break; } } ... // This is what to send to the recognizer. Ink ink = inkBuilder.build();
获取 DigitalInkRecognizer 的实例
如需执行识别,请将 Ink 实例发送到
DigitalInkRecognizer 对象。以下代码展示了如何从 BCP-47 标记实例化此类
识别器。
Kotlin
// Specify the recognition model for a language var modelIdentifier: DigitalInkRecognitionModelIdentifier try { modelIdentifier = DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US") } catch (e: MlKitException) { // language tag failed to parse, handle error. } if (modelIdentifier == null) { // no model was found, handle error. } var model: DigitalInkRecognitionModel = DigitalInkRecognitionModel.builder(modelIdentifier).build() // Get a recognizer for the language var recognizer: DigitalInkRecognizer = DigitalInkRecognition.getClient( DigitalInkRecognizerOptions.builder(model).build())
Java
// Specify the recognition model for a language DigitalInkRecognitionModelIdentifier modelIdentifier; try { modelIdentifier = DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US"); } catch (MlKitException e) { // language tag failed to parse, handle error. } if (modelIdentifier == null) { // no model was found, handle error. } DigitalInkRecognitionModel model = DigitalInkRecognitionModel.builder(modelIdentifier).build(); // Get a recognizer for the language DigitalInkRecognizer recognizer = DigitalInkRecognition.getClient( DigitalInkRecognizerOptions.builder(model).build());
处理 Ink 对象
Kotlin
recognizer.recognize(ink) .addOnSuccessListener { result: RecognitionResult -> // `result` contains the recognizer's answers as a RecognitionResult. // Logs the text from the top candidate. Log.i(TAG, result.candidates[0].text) } .addOnFailureListener { e: Exception -> Log.e(TAG, "Error during recognition: $e") }
Java
recognizer.recognize(ink) .addOnSuccessListener( // `result` contains the recognizer's answers as a RecognitionResult. // Logs the text from the top candidate. result -> Log.i(TAG, result.getCandidates().get(0).getText())) .addOnFailureListener( e -> Log.e(TAG, "Error during recognition: " + e));
上面的示例代码假定识别模型已下载,如下一部分所述。
管理模型下载
虽然数字手写识别 API 支持数百种语言,但每种语言都需要先下载一些数据,然后才能进行识别。每种语言大约需要 20MB 的存储空间。这由 RemoteModelManager 对象处理。
下载新模型
Kotlin
import com.google.mlkit.common.model.DownloadConditions import com.google.mlkit.common.model.RemoteModelManager var model: DigitalInkRecognitionModel = ... val remoteModelManager = RemoteModelManager.getInstance() remoteModelManager.download(model, DownloadConditions.Builder().build()) .addOnSuccessListener { Log.i(TAG, "Model downloaded") } .addOnFailureListener { e: Exception -> Log.e(TAG, "Error while downloading a model: $e") }
Java
import com.google.mlkit.common.model.DownloadConditions; import com.google.mlkit.common.model.RemoteModelManager; DigitalInkRecognitionModel model = ...; RemoteModelManager remoteModelManager = RemoteModelManager.getInstance(); remoteModelManager .download(model, new DownloadConditions.Builder().build()) .addOnSuccessListener(aVoid -> Log.i(TAG, "Model downloaded")) .addOnFailureListener( e -> Log.e(TAG, "Error while downloading a model: " + e));
检查模型是否已下载
Kotlin
var model: DigitalInkRecognitionModel = ... remoteModelManager.isModelDownloaded(model)
Java
DigitalInkRecognitionModel model = ...; remoteModelManager.isModelDownloaded(model);
删除下载的模型
从设备的存储空间中移除模型可以释放空间。
Kotlin
var model: DigitalInkRecognitionModel = ... remoteModelManager.deleteDownloadedModel(model) .addOnSuccessListener { Log.i(TAG, "Model successfully deleted") } .addOnFailureListener { e: Exception -> Log.e(TAG, "Error while deleting a model: $e") }
Java
DigitalInkRecognitionModel model = ...; remoteModelManager.deleteDownloadedModel(model) .addOnSuccessListener( aVoid -> Log.i(TAG, "Model successfully deleted")) .addOnFailureListener( e -> Log.e(TAG, "Error while deleting a model: " + e));
提高文字识别准确率的技巧
文字识别的准确率因语言而异。准确率还取决于书写风格。虽然数字手写识别功能经过训练可以处理多种书写风格,但结果可能因用户而异。
以下是一些提高文字识别器准确率的方法。请注意,这些技巧不适用于表情符号、自动绘制和形状的绘制分类器。
书写区域
许多应用都有明确定义的书写区域供用户输入。 符号的含义部分取决于其相对于包含该符号的书写区域的大小。 例如,小写或大写字母“o”或“c”与逗号和正斜杠之间的区别。
告知识别器书写区域的宽度和高度可以提高准确率。不过,识别器假定书写区域仅包含一行文本。如果物理书写区域足够大,允许用户书写两行或更多行,那么您可以传入一个 WritingArea,其高度是您对单行文本高度的最佳估计值,这样可能会获得更好的结果。您传递给识别器的 WritingArea 对象不必与屏幕上的物理书写区域完全对应。以这种方式更改 WritingArea 高度在某些语言中的效果比其他语言更好。
指定书写区域时,请以与笔划坐标相同的单位指定其宽度和高度。x、y 坐标实参没有单位要求 - API 会对所有单位进行归一化,因此唯一重要的是笔划的相对大小和位置。您可以自由地以适合您系统的任何比例传入坐标。
前文
前文是指您尝试识别的 Ink 中笔划之前的文本。您可以告知识别器前文,以帮助识别器。
例如,草书字母“n”和“u”经常被误认为彼此。如果用户已输入部分字词“arg”,则可能会继续输入可识别为“ument”或“nment”的笔划。指定前文“arg”可以消除歧义,因为“argument”一词比“argnment”更常见。
前文还可以帮助识别器识别字词分隔符(字词之间的空格)。您可以输入空格字符,但无法绘制空格字符,那么识别器如何确定一个字词何时结束以及下一个字词何时开始?如果用户已书写“hello”并继续书写“world”,则在没有前文的情况下,识别器会返回字符串“world”。但是,如果您指定前文“hello”,则模型将返回字符串“ world”(带前导空格),因为“hello world”比“helloword”更有意义。
您应提供尽可能长的前文字符串,最多 20 个字符(包括空格)。如果字符串更长,识别器只会使用最后 20 个字符。
以下代码示例展示了如何定义书写区域以及如何使用 RecognitionContext 对象指定前文。
Kotlin
var preContext : String = ...; var width : Float = ...; var height : Float = ...; val recognitionContext : RecognitionContext = RecognitionContext.builder() .setPreContext(preContext) .setWritingArea(WritingArea(width, height)) .build() recognizer.recognize(ink, recognitionContext)
Java
String preContext = ...; float width = ...; float height = ...; RecognitionContext recognitionContext = RecognitionContext.builder() .setPreContext(preContext) .setWritingArea(new WritingArea(width, height)) .build(); recognizer.recognize(ink, recognitionContext);
笔划顺序
识别准确率对笔划顺序很敏感。识别器希望笔划按照人们自然书写的顺序出现;例如,对于英语,从左到右。任何偏离此模式的情况(例如,从最后一个字词开始书写英语句子)都会导致结果不太准确。
另一个示例是,当 Ink 中间的字词被移除并替换为另一个字词时。修订可能位于句子的中间,但修订的笔划位于笔划序列的末尾。
在这种情况下,我们建议您将新书写的字词单独发送到 API,并使用您自己的逻辑将结果与之前的识别结果合并。
处理不明确的形状
在某些情况下,提供给识别器的形状的含义不明确。例如,边角非常圆润的矩形可以被视为矩形或椭圆形。
如果识别分数可用,则可以使用识别分数来处理这些不明确的情况。只有形状分类器提供分数。如果模型非常自信,则最佳结果的分数将远高于次佳结果。如果存在不确定性,则前两个结果的分数将接近。此外,请注意,形状分类器会将整个 Ink 解释为单个形状。例如,如果 Ink 包含一个矩形和一个彼此相邻的椭圆形,则识别器可能会返回其中一个(或完全不同的内容)作为结果,因为单个识别候选对象无法表示两个形状。