功能清單

文字偵測

• 針對圖片執行光學字元辨識 (OCR)，將文字辨識並轉換成機器編碼文字。找出並擷取圖片中的 UTF-8 文字。
• 圖片：針對大型圖片中稀疏的文字區域進行最佳化。
• 回應：傳回文字、邊界框和 textAnnotations 所識別的字詞清單，以及 OCR 偵測文字 (fullTextAnnotation) 的結構層級。
• 擷取的文字結構層級：
  • TextAnnotation -> 頁面 -> 區塊 -> 段落 -> 字詞 -> 符號。
  • 每個來自 Page on 的結構元件可能還有各自的屬性，例如偵測到的語言、中斷點等。
• 支援的語言：支援目前支援、對應和實驗的語言。
• 功能列舉值：TEXT_DETECTION。

文件文字偵測 (密集文字 / 手寫字跡)

• 針對檔案 (PDF/TIFF) 或密集文字圖片執行光學字元辨識 (OCR)，並將密集文字辨識並轉換成機器編碼文字。
• 檔案：針對文件檔案 (PDF/TIFF) 進行最佳化。
• 圖片：針對圖片中密集的文字區域 (圖片為文件) 和含有手寫文字的圖片進行最佳化。
• 回應：傳回 OCR 偵測到的文字 (fullTextAnnotation) 的結構階層。
• 擷取的文字結構層級：
  • TextAnnotation -> 頁面 -> 區塊 -> 段落 -> 字詞 -> 符號。
  • 每個來自 Page on 的結構元件可能還會有各自的屬性，例如偵測到的語言、斷行等。
• 支援的語言：支援目前支援、對應和實驗的語言。
• 功能列舉值：DOCUMENT_TEXT_DETECTION。
• 如果同時要求 DOCUMENT_TEXT_DETECTION 和 TEXT_DETECTION，則優先採用。

地標偵測 ¹

• 提供地標的名稱、信心分數，以及圖片中地標的邊界框。
• 提供偵測到的實體座標。

標誌偵測 ²

• 提供所識別實體的文字說明、信心分數，以及檔案中標誌的邊界多邊形。

標籤偵測 ³

• 為圖片提供通用標籤。
• 針對每個標籤傳回文字說明、信心分數和主題評分。

圖片屬性 ⁴

• 傳回圖片中的主要顏色。
• 每個顏色都會以 RGBA 色域表示，並且具有信心分數，以及顯示顏色 [0, 1] 所佔的像素百分比。

物件定位 ⁵

• 針對單一圖片中辨識到的多個物件，提供一般標籤和定界框註解。
• 系統會針對每個偵測到的物件傳回下列元素：文字說明、信心分數，以及物件周圍邊界多邊形的標準化頂點 [0,1]。

裁剪提示偵測 ⁶

• 為每個要求提供裁剪圖片的定界多邊形、信心分數，以及此顯目區域相對於原始圖片的重要性百分比。
• 您最多可以為單一圖片提供 16 個顯示比例值 (寬度：高度)。

網路實體和網頁 ⁷

• 為圖片提供一系列相關的網頁內容。
• 傳回以下資訊：
  • 網路實體：從網路上的類似圖片推斷出的實體 (標籤/說明)。
  • 完全相符的圖片：網際網路上任何大小的完全相符圖片網址清單。
  • 部分比對圖片：共用關鍵點功能的圖片網址清單，例如原始圖片的裁剪版本。
  • 含有相符圖片的網頁：含有相符圖片的網頁清單 (以網頁網址、網頁標題、相符圖片網址識別)，這些圖片符合上述條件。
  • 外觀相似的圖片：與原始圖片共用部分特徵的圖片網址清單。
  • 最佳推測標籤：根據網際網路上的相似圖片推測所要求圖片的主題。

煽情露骨內容偵測 (安全搜尋)

• 為下列露骨內容類別提供可能性評等：adult、spoof、medical、violence 和 racy。
• 可能性分級以 6 種不同值表示：UNKNOWN、VERY_UNLIKELY、UNLIKELY、POSSIBLE、LIKELY 或 VERY_LIKELY。

臉部偵測

• 使用邊界多邊形找出臉孔，並識別特定臉部「地標」，例如眼睛、耳朵、鼻子、嘴巴等，以及對應的信心值。
• 傳回情緒 (喜悅、悲傷、憤怒、驚訝) 和一般圖片屬性 (曝光不足、模糊、有頭飾) 的可能性評分。
• 可能性分級以 6 種不同值表示：UNKNOWN、VERY_UNLIKELY、UNLIKELY、POSSIBLE、LIKELY 或 VERY_LIKELY。
• 不支援特定個人臉部辨識。