通用文字识别(高精度含位置版)
本接口提供多场景、多语种、高精度的整图文字检测和识别服务,支持生僻字识别,并支持 25 种语言识别,相对于通用文字识别(含位置信息版)该产品精度更高,但是识别耗时会稍长。
权限说明
调用本文API,需使用API Key鉴权方式。使用API Key鉴权调用API流程,具体调用流程,请查看认证鉴权。
请求参数
图像数据,base64编码后进行urlencode,要求base64编码和urlencode后大小不超过10M,最短边至少15px,最长边最大8192px,支持jpg/jpeg/png/bmp格式
优先级:image > url > pdf_file > ofd_file,当image字段存在时,url、pdf_file、ofd_file 字段失效
图片完整url,url长度不超过1024字节,url对应的图片base64编码后大小不超过10M,最短边至少15px,最长边最大8192px,支持jpg/jpeg/png/bmp格式
优先级:image > url > pdf_file > ofd_file,当image字段存在时,url字段失效
请注意关闭URL防盗链
PDF文件,base64编码后进行urlencode,要求base64编码和urlencode后大小不超过10M,最短边至少15px,最长边最大8192px
优先级:image > url > pdf_file > ofd_file,当image、url字段存在时,pdf_file字段失效
需要识别的PDF文件的对应页码,当 pdf_file 参数有效时,识别传入页码的对应页面内容,若不传入,则默认识别第 1 页
OFD文件,base64编码后进行urlencode,要求base64编码和urlencode后大小不超过10M,最短边至少15px,最长边最大8192px
优先级:image > url > pdf_file > ofd_file,当image、url、pdf_file字段存在时,ofd_file字段失效
需要识别的OFD文件的对应页码,当 ofd_file 参数有效时,识别传入页码的对应页面内容,若不传入,则默认识别第 1 页
识别语言类型,默认为CHN_ENG
可选值包括:
• auto_detect:自动检测语言,并识别
• CHN_ENG:中英文混合
• ENG:英文
• JAP:日语
• KOR:韩语
• FRE:法语
• SPA:西班牙语
• POR:葡萄牙语
• GER:德语
• ITA:意大利语
• RUS:俄语
• DAN:丹麦语
• DUT:荷兰语
• MAL:马来语
• SWE:瑞典语
• IND:印尼语
• POL:波兰语
• ROM:罗马尼亚语
• TUR:土耳其语
• GRE:希腊语
• HUN:匈牙利语
• THA:泰语
• VIE:越南语
• ARA:阿拉伯语
• HIN:印地语
表示识别语言类型为「中英文(CHN_ENG)」的情况下,英文的单字符结果是按照单词(word)维度输出还是字母(letter)维度输出,当 recognize_granularity=small 时生效
是否定位单字符位置,big:不定位单字符位置,默认值;small:定位单字符位置
是否检测图像朝向,默认不检测,即:false。朝向是指输入图像是正常方向、逆时针旋转90/180/270度。可选值包括:
• true:检测朝向
• false:不检测朝向
输入非正向图片时,若想要达到较好识别效果,建议将此参数设置为“true”
是否返回文字外接多边形顶点位置,不支持单字位置。默认为false
是否输出段落信息
是否返回识别结果中每一行的置信度
是否返回单字符置信度,默认不返回,当 recognize_granularity = small 时,参数有效。可选值包括:
• true:返回单字符置信度,
• false:不返回单字符置信度
是否开启行级别的多方向文字识别,可选值包括:
• true:识别
• false:不识别
若图内有不同方向的文字时,建议将此参数设置为“true”
POST /rest/2.0/ocr/v1/accurate HTTP/1.1
Host: aip.baidubce.com
Authorization: Bearer <API Key>
Content-Type: application/x-www-form-urlencoded
image=【图片Base64编码,需UrlEncode】
示例代码
curl -i -k 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate' \
-H 'Authorization: Bearer <API Key>' \
-H 'Content-Type:application/x-www-form-urlencoded' \
--data 'image=【图片Base64编码,需UrlEncode】'
返回响应
唯一的log id,用于问题定位
图像方向,当 detect_direction=true 时返回该字段。
- 1:未定义,
0:正向,
1:逆时针90度,
2:逆时针180度,
3:逆时针270度
识别结果数,表示words_result的元素个数
识别结果数组
显示子属性
隐藏子属性
显示子属性
隐藏子属性
识别结果字符串
位置数组(坐标0点为左上角) 源字段表标为 array[],但返回示例为单个矩形对象,按示例规范化。
显示子属性
隐藏子属性
表示定位位置的长方形左上顶点的水平坐标
表示定位位置的长方形左上顶点的垂直坐标
表示定位位置的长方形的宽度
表示定位位置的长方形的高度
单字符结果,当 recognize_granularity=small 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
单字符识别结果,当 recognize_granularity=small 时返回该字段
单字符置信度,当 recognize_granularity=small 且 char_probability=true 时返回该字段
位置数组(坐标0点为左上角),当 recognize_granularity=small 时返回该字段 源字段表标为 array[],但每个字符返回单个矩形对象,按接口返回结构规范化。
显示子属性
隐藏子属性
表示定位位置的长方形左上顶点的水平坐标,当 recognize_granularity=small 时返回该字段
表示定位位置的长方形左上顶点的垂直坐标,当 recognize_granularity=small 时返回该字段
表示定位定位位置的长方形的宽度,当 recognize_granularity=small 时返回该字段
表示定位位置的长方形的高度,当 recognize_granularity=small 时返回该字段
识别结果中每一行的置信度值,包含average:行置信度平均值,variance:行置信度方差,min:行置信度最小值,当 probability=true 时返回该字段
显示子属性
隐藏子属性
行置信度平均值。
行置信度方差。
行置信度最小值。
识别结果中每一行的外包四边形点坐标,当 vertexes_location=true 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
水平坐标(坐标0点为左上角)
垂直坐标(坐标0点为左上角)
识别结果中每一行的多边形轮廓点坐标,当 vertexes_location=true 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
水平坐标(坐标0点为左上角)
垂直坐标(坐标0点为左上角)
表示 finegrained_poly_location对应的最小外包矩形点坐标,当 vertexes_location=true 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
水平坐标(坐标0点为左上角)
垂直坐标(坐标0点为左上角)
识别结果数,表示 paragraphs_result的元素个数,当 paragraph=true 时返回该字段
段落检测结果,当 paragraph=true 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
一个段落包含的行序号,当 paragraph=true 时返回该字段
显示子属性
隐藏子属性
识别结果中每一行的多边形轮廓点坐标,当 paragraph=true && vertexes_location=true 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
水平坐标(坐标0点为左上角)
垂直坐标(坐标0点为左上角)
识别结果中每一行的多边形轮廓点坐标,当 paragraph=true && vertexes_location=true 时返回该字段
显示子属性
隐藏子属性
显示子属性
隐藏子属性
水平坐标(坐标0点为左上角)
垂直坐标(坐标0点为左上角)
传入PDF文件的总页数,当 pdf_file 参数有效时返回该字段
传入OFD文件的总页数,当 ofd_file 参数有效时返回该字段
{
"log_id": 1390584857033179136,
"words_result_num": 2
"words_result": [
{
"words": " OCR",
"location": {
"top": 19,
"left": 54,
"width": 119,
"height": 46
}
},
{
"words": "百度通用文字识别高精度版",
"location": {
"top": 85,
"left": 54,
"width": 206,
"height": 37
}
}
],
}
错误码
如果调用失败并返回报错信息,请参见错误码进行解决。
公共错误码:查看公共错误码。
OCR错误码:查看OCR错误码。
评价此篇文章
