Keterampilan kognitif OCR

Keterampilan pengenalan karakter optik (OCR) mengenali teks cetak dan tulisan tangan dalam file gambar. Artikel ini adalah dokumentasi referensi untuk keterampilan OCR. Lihat Mengekstrak teks dari gambar untuk instruksi penggunaan.

Keterampilan OCR menggunakan model pembelajaran mesin yang disediakan oleh Azure Vision di Foundry Tools API v3.2. Keterampilan OCR memetakan ke fungsionalitas berikut:

• Untuk bahasa yang tercantum di bawah dukungan bahasa Azure Vision, API Baca digunakan.

• Untuk Sirilik Yunani dan Serbia, OCR warisan dalam API versi 3.2 digunakan.

Keterampilan OCR mengekstrak teks dari file gambar dan gambar yang disematkan. Format file yang didukung meliputi:

• . JPEG
• .JPG
• .PNG
• .BMP
• . TIFF

Sumber data yang didukung untuk OCR dan analisis gambar adalah blob di Azure Blob Storage dan Azure Data Lake Storage (ADLS) Gen2, dan konten gambar di Microsoft OneLake. Gambar dapat berupa file mandiri atau gambar yang disematkan dalam PDF atau file lainnya.

Parameter keterampilan

Parameter peka huruf besar/kecil.

Dalam versi sebelumnya, ada parameter yang disebut "textExtractionAlgorithm" untuk menentukan ekstraksi teks "dicetak" atau "tulisan tangan". Parameter ini tidak digunakan lagi karena algoritma READ API saat ini mengekstrak kedua jenis teks sekaligus. Jika keterampilan Anda menyertakan parameter ini, Anda tidak perlu menghapusnya, tetapi tidak akan digunakan selama eksekusi keterampilan.

Masukan keterampilan

Keluaran Keterampilan

Jika Anda memanggil OCR pada gambar yang disematkan dalam PDF atau file aplikasi lainnya, output OCR akan terletak di bagian bawah halaman, setelah teks apa pun yang diekstrak dan diproses.

Contoh definisi

{
  "skills": [
    {
      "description": "Extracts text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": null,
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text",
          "targetName": "myText"
        },
        {
          "name": "layoutText",
          "targetName": "myLayoutText"
        }
      ]
    }
  ]
}

Sampel teks dan output layoutText

{
  "text": "Hello World. -John",
  "layoutText":
  {
    "language" : "en",
    "text" : "Hello World. -John",
    "lines" : [
      {
        "boundingBox":
        [ {"x":10, "y":10}, {"x":50, "y":10}, {"x":50, "y":30},{"x":10, "y":30}],
        "text":"Hello World."
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"-John"
      }
    ],
    "words": [
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"Hello"
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"World."
      },
      {
        "boundingBox": [ {"x":110, "y":10}, {"x":150, "y":10}, {"x":150, "y":30},{"x":110, "y":30}],
        "text":"-John"
      }
    ]
  }
}

Sampel: Menggabungkan teks yang diekstrak dari gambar yang disematkan dengan konten dokumen

Pemecahan dokumen, langkah pertama dalam eksekusi set keterampilan, memisahkan konten teks dan gambar. Kasus penggunaan umum untuk Penggabungan Teks adalah menggabungkan representasi tekstual gambar (teks dari keterampilan OCR, atau keterangan gambar) ke dalam bidang konten dokumen. Ini untuk skenario di mana dokumen sumber adalah dokumen PDF atau Word yang menggabungkan teks dengan gambar yang disematkan.

Contoh set keterampilan berikut ini menciptakan bidang merged_text. Bidang ini berisi konten tekstual dokumen Anda dan teks OCR dari setiap gambar yang disematkan dalam dokumen tersebut.

Minta Sintaks Tubuh

{
  "description": "Extract text from images and merge with content text to produce merged_text",
  "skills":
  [
    {
      "description": "Extract text (plain and structured) from image.",
      "@odata.type": "#Microsoft.Skills.Vision.OcrSkill",
      "context": "/document/normalized_images/*",
      "defaultLanguageCode": "en",
      "detectOrientation": true,
      "inputs": [
        {
          "name": "image",
          "source": "/document/normalized_images/*"
        }
      ],
      "outputs": [
        {
          "name": "text"
        }
      ]
    },
    {
      "@odata.type": "#Microsoft.Skills.Text.MergeSkill",
      "description": "Create merged_text, which includes all the textual representation of each image inserted at the right location in the content field.",
      "context": "/document",
      "insertPreTag": " ",
      "insertPostTag": " ",
      "inputs": [
        {
          "name":"text",
          "source": "/document/content"
        },
        {
          "name": "itemsToInsert", 
          "source": "/document/normalized_images/*/text"
        },
        {
          "name":"offsets", 
          "source": "/document/normalized_images/*/contentOffset"
        }
      ],
      "outputs": [
        {
          "name": "mergedText", 
          "targetName" : "merged_text"
        }
      ]
    }
  ]
}

Contoh keterampilan di atas mengasumsikan bahwa ada bidang gambar yang dinormalisasi. Untuk membuat bidang ini, atur konfigurasi imageAction dalam definisi pengindeks Anda ke generateNormalizedImages seperti yang ditunjukkan di bawah ini:

{
  //...rest of your indexer definition goes here ...
  "parameters": {
    "configuration": {
      "dataToExtract":"contentAndMetadata",
      "imageAction":"generateNormalizedImages"
    }
  }
}

Baca juga

• Apa itu pengenalan karakter optik
• Keterampilan bawaan
• Keterampilan TextMerger
• Cara menentukan set keterampilan
• Mengekstrak teks dan informasi dari gambar
• Membuat Pengindeks (REST)