テキスト認識 v2

ML Kit Text Recognition v2 API は、中国語、デバナーガリ語、日本語、韓国語、ラテン文字セットのテキストを認識できます。また、クレジット カード、領収書、名刺の処理などのデータ入力タスクを自動化するためにも使用できます。

iOS Android

主な機能

  • さまざまな文字と言語のテキストを認識 中国語、デバナーガリ文字、日本語、韓国語、ラテン文字のテキストの認識をサポートします。
  • テキストの構造の分析記号、要素、行、段落の検出をサポートします。
  • テキストの言語の確認 認識したテキストの言語を指定します
  • リアルタイム認識 さまざまなデバイスでテキストをリアルタイムで認識できます。

テキストの構造

テキスト認識ツールは、テキストをブロック、線、要素、記号に分割します。大まかな流れは次のとおりです。

  • ブロックは段落や列などの連続したテキスト行であり、

  • Line は、同じ軸上で連続した単語のセットです。

  • 要素は、ほとんどのラテン言語では同じ軸上に連続した英数字（「単語」）の集合であり、それ以外の言語では 1 つの単語です。

  • Symbol は、ほとんどのラテン文字で同じ軸に 1 つの英数字（その他の言語では 1 文字）です。

以下の画像は、それぞれの例を降順で示しています。最初にハイライトされたシアンのブロックは、テキストのブロックです。青色のハイライト表示されたブロックの 2 つ目のセットは、テキスト行です。最後に、濃い青色でハイライト表示された 3 つ目のブロックは単語です。

検出されたすべてのブロック、線、要素、記号について、API は境界ボックス、角のポイント、回転情報、信頼スコア、認識された言語、認識されたテキストを返します。

検索結果の例


写真: Dietmar Rabich、Wikimedia Commons、 "Düsseldorf, Wege der parlamentarischen Demokratie -- 2015 -- 8123"、 CC BY-SA 4.0
認識されたテキスト
テキスト Wege
der parlamentarischen
民主主義者
ブロック （1 ブロック）
ブロック 0
テキスト ウェゲ デル パラメンタリッシェン デモクラティエ
フレーム （296, 665 ～ 796, 882）
角のポイント （296, 719）、（778, 665）、（796, 828）、（314, 882）
認識された言語コード de
線 （3 行）
行 0
テキスト ヴェーゲ デル
フレーム （434、678 ～ 670、749）
角のポイント （434, 705）、（665, 678）、（670, 722）、（439, 749）
認識された言語コード de
信頼スコア 0.8766741
回転の度数 -6.6116457
要素 （2 要素）
要素 0
テキスト ウェージ
フレーム （434、689 ～ 575、749）
角のポイント （434, 705）、（570, 689）、（575, 733）、（439, 749）
認識された言語コード de
信頼スコア 0.8964844
回転の度数 -6.6116457
要素 （4 要素）
記号 0
テキスト W
フレーム （434、698 ～ 500、749）
角のポイント （434, 706）、（495, 698）、（500, 741）、（439, 749）
信頼スコア 0.87109375
回転の度数 -6.611646