功能清單

文字偵測

• 圖片的光學字元辨識 (OCR)；文字辨識和轉換為機器編碼文字。辨識及擷取圖片中的 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：傳回以文字、周框和 textAnnotations 識別的字詞清單，以及 OCR 偵測到的文字結構階層 (fullTextAnnotation)。
• 擷取文字結構的階層：
  • TextAnnotation -> Page -> Block -> Paragraph -> Word -> Symbol。
  • Page 上的每個結構化元件可能還會有自己的屬性，例如偵測到的語言、換行符等。
• 支援的語言：適用於目前支援、對應及實驗性的語言。
• 功能列舉值：TEXT_DETECTION。

偵測文件文字 (密集文字 / 手寫文字)

• 對檔案 (PDF/TIFF) 或含有密集文字的圖片執行光學字元辨識，辨識密集文字並轉換為機器編碼文字。
• 檔案：專為文件檔案 (PDF/TIFF) 最佳化。
• 圖片：針對圖片中密集的文字區域 (文件圖片) 和含有手寫文字的圖片進行最佳化。
• 回應：傳回 OCR 偵測到的文字結構階層 (fullTextAnnotation)。
• 擷取文字結構的階層：
  • TextAnnotation -> Page -> Block -> Paragraph -> Word -> Symbol。
  • Page 上的每個結構化元件可能還會有自己的屬性，例如偵測到的語言、換行符等。
• 支援的語言：適用於目前支援、對應和實驗性的語言。
• 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

• 提供地標名稱、信賴分數，以及地標在圖片中的定界框。
• 提供偵測到實體的座標。

標誌偵測 ²

• 提供所識別實體的文字說明、信賴分數，以及檔案中標誌的周界多邊形。

標籤偵測 ³

• 提供圖片的通用標籤。
• 每個標籤都會傳回文字說明、信賴分數和主題性評分。

圖片屬性 ⁴

• 傳回圖片中的主色。
• 每種顏色都以 RGBA 色域表示，並具有信賴分數，以及顯示顏色所占的像素比例 [0, 1]。

物件本地化 ⁵

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

裁剪提示偵測 ⁶

• 針對每項要求，提供裁剪圖片的定界多邊形、信賴分數，以及這個顯著區域相對於原始圖片的重要性分數。
• 單一圖片最多可提供 16 個圖片比例值 (寬度：高度)。

網路實體和頁面 ⁷

• 提供與圖片相關的一系列網路內容。
• 傳回下列資訊：
  • 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：網路上任何大小的完全相符圖片網址清單。
  • 部分相符的圖片：圖片網址清單，這些圖片與原始圖片共用關鍵點特徵，例如原始圖片的裁剪版本。
  • 含有相符圖片的網頁：網頁清單 (由網頁網址、網頁標題、相符圖片網址識別)，其中的圖片符合上述條件。
  • 相似圖片：與原始圖片共用部分特徵的圖片網址清單。
  • 最佳猜測標籤：根據網路上類似的圖片，推測所要求圖片的主題。

煽情露骨內容偵測 (安全搜尋)

• 提供下列露骨內容類別的可能評分：adult、spoof、medical、violence 和 racy。
• 可能性評分以 6 種不同的值表示：UNKNOWN、VERY_UNLIKELY、UNLIKELY、POSSIBLE、LIKELY 或 VERY_LIKELY。

臉部偵測

• 找出含有邊界多邊形的臉孔，並識別特定臉部「特徵」，例如眼睛、耳朵、鼻子、嘴巴等，以及對應的信賴度值。
• 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、出現頭飾) 的可能性評分。
• 可能性評估結果會以 6 種不同的值表示：UNKNOWN、VERY_UNLIKELY、UNLIKELY、POSSIBLE、LIKELY 或 VERY_LIKELY。
• 特定個人 臉部辨識 不支援。