ਗੂਗਲ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਚਿੱਤਰ ਤੋਂ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਐਕਸੈਸ ਕਰਨ ਲਈ, ਤੁਸੀਂ ਕਈ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹੋ ਜਿਸ ਵਿੱਚ API ਦੀਆਂ ਆਪਟੀਕਲ ਕਰੈਕਟਰ ਰਿਕੋਗਨੀਸ਼ਨ (OCR) ਸਮਰੱਥਾਵਾਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਗੂਗਲ ਵਿਜ਼ਨ API ਵਿੱਚ OCR ਤਕਨਾਲੋਜੀ ਚਿੱਤਰਾਂ ਤੋਂ ਟੈਕਸਟ ਨੂੰ ਖੋਜਣ ਅਤੇ ਕੱਢਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਹੱਥ ਲਿਖਤ ਵੀ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਕਾਰਜਕੁਸ਼ਲਤਾ ਉਹਨਾਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਲਾਭਦਾਇਕ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਿਜ਼ੂਅਲ ਡੇਟਾ ਵਿੱਚ ਮੌਜੂਦ ਲਿਖਤੀ ਜਾਣਕਾਰੀ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਮਝ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਤੁਹਾਨੂੰ ਗੂਗਲ ਵਿਜ਼ਨ API ਦੇ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਵਾਤਾਵਰਣ ਸਥਾਪਤ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ. ਇਸ ਵਿੱਚ ਗੂਗਲ ਕਲਾਉਡ ਕੰਸੋਲ ਵਿੱਚ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣਾ, ਵਿਜ਼ਨ API ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣਾ, ਅਤੇ ਲੋੜੀਂਦੇ ਪ੍ਰਮਾਣੀਕਰਨ ਪ੍ਰਮਾਣ ਪੱਤਰ ਜਿਵੇਂ ਕਿ API ਕੁੰਜੀ ਜਾਂ ਸੇਵਾ ਖਾਤਾ ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।
ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਹਾਡਾ ਵਾਤਾਵਰਣ ਸਥਾਪਤ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇੱਕ ਚਿੱਤਰ ਫਾਈਲ 'ਤੇ OCR ਕਰਨ ਲਈ Vision API ਦੀ `asyncBatchAnnotateFiles` ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਵਿਧੀ ਤੁਹਾਨੂੰ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਚਿੱਤਰ ਫਾਈਲਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਪਾਸ ਕਰਨ ਅਤੇ ਅਸਿੰਕ੍ਰੋਨਸ ਰੂਪ ਵਿੱਚ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਵਿਕਲਪਕ ਤੌਰ 'ਤੇ, ਤੁਸੀਂ ਚਿੱਤਰਾਂ ਦੀ ਸੂਚੀ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ `asyncBatchAnnotateImages` ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ।
ਕਿਸੇ ਚਿੱਤਰ ਤੋਂ ਟੈਕਸਟ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ 'ਐਨੋਟੇਟ ਇਮੇਜ ਰਿਕੁਐਸਟ' ਆਬਜੈਕਟ ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਬਣਾਉਣ ਅਤੇ ਲੋੜੀਂਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਤੁਸੀਂ 'TEXT_DETECTION' ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਇਹ ਦਰਸਾਉਣ ਲਈ ਸੈੱਟ ਕਰੋਗੇ ਕਿ ਤੁਸੀਂ ਚਿੱਤਰ ਤੋਂ ਟੈਕਸਟ ਐਕਸਟਰੈਕਟ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਤੁਸੀਂ OCR ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਭਾਸ਼ਾ ਸੰਕੇਤ ਵਰਗੇ ਵਾਧੂ ਮਾਪਦੰਡ ਵੀ ਨਿਸ਼ਚਿਤ ਕਰ ਸਕਦੇ ਹੋ।
ਅੱਗੇ, ਤੁਹਾਨੂੰ ਚਿੱਤਰ ਫਾਈਲ ਨੂੰ ਬੇਸ 64-ਏਨਕੋਡਡ ਸਟ੍ਰਿੰਗ ਵਿੱਚ ਏਨਕੋਡ ਕਰਨ ਅਤੇ ਏਨਕੋਡ ਕੀਤੇ ਚਿੱਤਰ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ `ਚਿੱਤਰ` ਆਬਜੈਕਟ ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ 'ਚਿੱਤਰ' ਵਸਤੂ ਨੂੰ ਪਹਿਲਾਂ ਬਣਾਏ ਗਏ 'ਐਨੋਟੇਟ ਇਮੇਜ ਰੀਕਸਟ' ਵਸਤੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਬੇਨਤੀ ਨੂੰ ਸੈਟ ਅਪ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਆਪਣੀ ਚੁਣੀ ਹੋਈ ਪਹੁੰਚ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹੋਏ, ਇਸਨੂੰ `batchAnnotateImages` ਜਾਂ `batchAnnotateFiles` ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ Vision API ਨੂੰ ਭੇਜ ਸਕਦੇ ਹੋ। API ਚਿੱਤਰ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰੇਗਾ ਅਤੇ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਟੈਕਸਟ ਵਾਲੇ ਜਵਾਬ ਵਾਪਸ ਕਰੇਗਾ।
ਜਵਾਬ ਤੋਂ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਐਕਸੈਸ ਕਰਨ ਲਈ, ਤੁਸੀਂ 'ਐਨੋਟੇਟ ਇਮੇਜ ਰਿਸਪਾਂਸ' ਆਬਜੈਕਟ ਦੇ 'ਟੈਕਸਟ ਐਨੋਟੇਸ਼ਨਸ' ਖੇਤਰ 'ਤੇ ਦੁਹਰਾ ਸਕਦੇ ਹੋ। ਇਸ ਖੇਤਰ ਵਿੱਚ `ਐਂਟਿਟੀ ਐਨੋਟੇਸ਼ਨ` ਵਸਤੂਆਂ ਦੀ ਇੱਕ ਸੂਚੀ ਹੈ, ਹਰ ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਖੋਜੇ ਗਏ ਟੈਕਸਟ ਤੱਤ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਹਰੇਕ `ਐਂਟਿਟੀ ਐਨੋਟੇਸ਼ਨ` ਵਸਤੂ ਦੇ `ਵਰਣਨ` ਖੇਤਰ ਵਿੱਚ ਐਕਸਟਰੈਕਟ ਕੀਤਾ ਟੈਕਸਟ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ।
ਇੱਥੇ ਪਾਈਥਨ ਵਿੱਚ ਇੱਕ ਉਦਾਹਰਨ ਕੋਡ ਸਨਿੱਪਟ ਹੈ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਗੂਗਲ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਚਿੱਤਰ ਤੋਂ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਕਿਵੇਂ ਐਕਸੈਸ ਕਰਨਾ ਹੈ:
python from google.cloud import vision def extract_text_from_image(image_path): client = vision.ImageAnnotatorClient() with open(image_path, 'rb') as image_file: content = image_file.read() image = vision.Image(content=content) request = vision.AnnotateImageRequest( image=image, features=[{'type': vision.Feature.Type.TEXT_DETECTION}] ) response = client.batch_annotate_images(requests=[request]) for annotation in response.responses[0].text_annotations: extracted_text = annotation.description print(extracted_text) # Usage extract_text_from_image('path_to_image.jpg')
ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, `extract_text_from_image` ਫੰਕਸ਼ਨ ਇਨਪੁਟ ਦੇ ਤੌਰ 'ਤੇ ਇੱਕ ਚਿੱਤਰ ਫਾਈਲ ਦਾ ਮਾਰਗ ਲੈਂਦਾ ਹੈ ਅਤੇ Vision API ਨੂੰ ਬੇਨਤੀ ਭੇਜਣ ਲਈ Google Cloud Vision ਕਲਾਇੰਟ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਕੱਢਿਆ ਟੈਕਸਟ ਫਿਰ ਛਾਪਿਆ ਜਾਂਦਾ ਹੈ.
ਗੂਗਲ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਚਿੱਤਰ ਤੋਂ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਐਕਸੈਸ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਵਾਤਾਵਰਣ ਨੂੰ ਸੈਟ ਅਪ ਕਰਨ, ਲੋੜੀਂਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਨਾਲ ਇੱਕ 'ਐਨੋਟੇਟ ਇਮੇਜ ਰੀਕਸਟ' ਆਬਜੈਕਟ ਬਣਾਉਣ, ਚਿੱਤਰ ਫਾਈਲ ਨੂੰ ਏਨਕੋਡ ਕਰਨ, API ਨੂੰ ਬੇਨਤੀ ਭੇਜਣ ਅਤੇ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜਵਾਬ ਤੋਂ. ਵਿਜ਼ਨ API ਦੀਆਂ OCR ਸਮਰੱਥਾਵਾਂ ਹੱਥ ਲਿਖਤ ਸਮੇਤ ਚਿੱਤਰਾਂ ਤੋਂ ਟੈਕਸਟ ਨੂੰ ਖੋਜਣ ਅਤੇ ਕੱਢਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀਆਂ ਹਨ।
ਬਾਰੇ ਹੋਰ ਹਾਲੀਆ ਸਵਾਲ ਅਤੇ ਜਵਾਬ ਲਿਖਤ ਤੋਂ ਟੈਕਸਟ ਲੱਭਣਾ ਅਤੇ ਕੱractਣਾ:
- ਗੂਗਲ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਗੁੰਝਲਦਾਰ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਟੈਕਸਟ ਕੱਢਣ ਵੇਲੇ ਕਿਹੜੀਆਂ ਸੀਮਾਵਾਂ ਪੈਦਾ ਹੋ ਸਕਦੀਆਂ ਹਨ?
- ਗੂਗਲ ਵਿਜ਼ਨ API ਦੇ ਟੈਕਸਟ ਦੀ ਵਿਆਖਿਆ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਦੇ ਪੱਧਰਾਂ ਦਾ ਕੀ ਮਹੱਤਵ ਹੈ?
- ਗੂਗਲ ਵਿਜ਼ਨ API ਹੱਥ ਲਿਖਤ ਨੋਟਸ ਤੋਂ ਟੈਕਸਟ ਨੂੰ ਕਿਵੇਂ ਸਹੀ ਢੰਗ ਨਾਲ ਪਛਾਣ ਅਤੇ ਐਕਸਟਰੈਕਟ ਕਰ ਸਕਦਾ ਹੈ?
- ਹੱਥ ਲਿਖਤ ਚਿੱਤਰਾਂ ਤੋਂ ਟੈਕਸਟ ਖੋਜਣ ਅਤੇ ਕੱਢਣ ਵਿੱਚ ਕਿਹੜੀਆਂ ਚੁਣੌਤੀਆਂ ਹਨ?
- ਕੀ ਗੂਗਲ ਵਿਜ਼ਨ ਹੱਥ ਲਿਖਤ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ?