Liste der Features

Texterkennung

• Es wird die optische Zeichenerkennung (Optical Character Recognition, OCR) für ein Bild ausgeführt: Texterkennung und ‑konvertierung in maschinencodierten Text. Erkennt und extrahiert UTF-8-Text in einem Bild.
• Bilder: Optimiert für kleine Textbereiche in einem größeren Bild.
• Antwort: Es werden eine Liste der als Text identifizierten Wörter, die zugehörigen Begrenzungsrahmen und textAnnotations sowie die strukturelle Hierarchie für den von OCR erkannten Text (fullTextAnnotation) zurückgegeben.
• Hierarchie der extrahierten Textstruktur:
  • TextAnnotation -> Seite -> Block -> Absatz -> Wort -> Symbol.
  • Jede Strukturkomponente ab Seite kann außerdem eigene Attribute wie erkannte Sprachen, Zeilenumbrüche usw. haben.
• Unterstützte Sprachen: Funktioniert mit derzeit unterstützten, zugeordneten und experimentellen Sprachen.
• Enum-Wert des Features: TEXT_DETECTION.

Erkennung von Dokumenttext (hoher Textanteil/Handschrift)

• Es wird die optische Zeichenerkennung (OCR) für eine Datei (PDF-/TIFF-Format) oder ein Bild mit viel Text durchgeführt: Erkennung des Textes und Konvertierung in maschinencodierten Text.
• Dateien: Optimiert für Dokumentdateien (PDF/TIFF).
• Bilder: Optimiert für dicht beschriebene Textbereiche in einem Bild (Bilder von Dokumenten) und Bilder, die Handschrift enthalten.
• Antwort: Es wird die strukturelle Hierarchie für den per OCR erkannten Text zurückgegeben (fullTextAnnotation).
• Hierarchie der extrahierten Textstruktur:
  • TextAnnotation -> Seite -> Block -> Absatz -> Wort -> Symbol.
  • Jede Strukturkomponente ab Seite kann außerdem eigene Attribute wie erkannte Sprachen, Zeilenumbrüche usw. haben.
• Unterstützte Sprachen: Funktioniert mit derzeit unterstützten, zugeordneten und experimentellen Sprachen.
• Enum-Wert des Features: DOCUMENT_TEXT_DETECTION.
• Hat Vorrang, wenn DOCUMENT_TEXT_DETECTION und TEXT_DETECTION angefordert werden.

Erkennung von Sehenswürdigkeiten¹

• Es wird der Name der Sehenswürdigkeit, ein Konfidenzwert sowie ein Begrenzungsrahmen in dem Bild mit der Sehenswürdigkeit zurückgegeben.
• Es werden Koordinaten für die erkannte Entität angegeben.

Logoerkennung²

• Es wird eine Textbeschreibung der identifizierten Entität, ein Konfidenzwert und ein Begrenzungspolygon für das Logo in der Datei zurückgegeben.

Labelerkennung³

• Es werden allgemeine Labels für ein Bild bereitgestellt.
• Für jedes Label wird eine Textbeschreibung, ein Konfidenzwert und eine Aktualitätsbewertung zurückgegeben.

Bildattribute⁴

• Es werden die dominanten Farben in einem Bild zurückgegeben.
• Jede Farbe wird im RGBA-Farbraum dargestellt, hat einen Konfidenzwert und es wird dafür der Anteil der Pixel angezeigt, die die Farbe belegt [0, 1].

Objektlokalisierung⁵

• Es werden allgemeine Label- und Begrenzungsrahmen-Annotationen für mehrere Objekte bereitgestellt, die in einem einzelnen Bild erkannt wurden.
• Für jedes erkannte Objekt werden die folgenden Elemente zurückgegeben: eine Textbeschreibung, ein Konfidenzwert und normalisierte Eckpunkte [0,1] für das Begrenzungspolygon um das Objekt.

Erkennung von Zuschneidehinweisen