百度AI攻略：網絡圖片文字識別

1.功能描述：

依託全網海量優質數據和業界領先的深度學習技術針對網絡圖片進行優化識別，支持更多網絡字體和複雜背景下的文字識別

2.平臺接入

具體接入方式比較簡單，能夠參考個人另外一個帖子，這裏就不重複了：

http://ai.baidu.com/forum/topic/show/943327

3.調用攻略（Python3）及評測

3.1首先認證受權：

在開始調用任何API以前須要先進行認證受權，具體的說明請參考：

http://ai.baidu.com/docs#/Auth/top

具體Python3代碼以下：

# -*- coding: utf-8 -*-

#!/usr/bin/env python

import urllib

import base64

import json

#client_id 爲官網獲取的AK， client_secret 爲官網獲取的SK

client_id =【百度雲應用的AK】

client_secret =【百度雲應用的SK】

#獲取token

def get_token():

host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret

request = urllib.request.Request(host)

request.add_header('Content-Type', 'application/json; charset=UTF-8')

response = urllib.request.urlopen(request)

token_content = response.read()

if token_content:

token_info = json.loads(token_content)

token_key = token_info['access_token']

return token_key

3.2網絡圖片識別分析接口調用：

詳細說明請參考： https://ai.baidu.com/docs#/OCR-API/

說明的比較清晰，這裏就不重複了。

你們須要注意的是：

API訪問URL：https://aip.baidubce.com/rest/2.0/ocr/v1/webimage

圖像數據，base64編碼後進行urlencode，要求base64編碼和urlencode後大小不超過4M，最短邊至少15px，最長邊最大4096px,支持jpg/jpeg/png/bmp格式

Python3調用代碼以下：

#網絡圖片

#filename:圖片名（本地存儲包括路徑）

def webimage(filename):

    request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/webimage"

 

    # 二進制方式打開圖片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params = urllib.parse.urlencode(params).encode("utf-8")

    #params = json.dumps(params).encode('utf-8')

 

    access_token = get_token()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        #print(data)

        words_result=data['words_result']

        for item in words_result:

            print(item['words'])

webimage('../img/webimage5.jpg') 

4.功能評測：

選用不一樣的數據對效果進行測試，具體效果以下（如下例子均來自網上）：

先測試幾個文字組合效果

只凡

運動·上新★

The new

movement is

only extraordinary

好消息

長★

一個你一個我一心一意

愛就是這麼簡單

再測試一下戶外廣告牌

打造暢通平安和諧高速

河北高速

助推經濟社會發展

96122

減

最後是普通的店面照片

肯德基

期

四

實到

乎你想

 

測試下來，總體識別效果不錯。對於網絡圖片有較強的識別能力。能夠普遍的應用於圖片內容審覈，視頻內容分析和審覈等方面。不過對於模糊，變形的文字，識別率還有提升的空間，但願後續進一步提升。