Bbox结构体说明 参数值 说明 xmin 检测框的坐标值。 ymin 检测框的坐标值。 xmax 检测框的坐标值。 ymax 检测框的坐标值。 score 检测框的得分。 label 检测框的类别。 返回值 返回bool值，表示是否是难例图片。 父主题： 难例上传模块

查看更多 →

率。 text_location Object 对应所有在原图上识别到的字段位置信息，包含所有文字区域四个顶点的二维坐标（x,y）。采用图像坐标系，坐标原点为图片左上角，x轴沿水平方向，y轴沿竖直方向。 状态码： 400 表6 响应Body参数 参数 参数类型 说明 error_code

查看更多 →

如何选购合适的API 文字识别 服务（OCR）提供四种类型的API：通用类、证件类、票据类、智能分类。 除此之外，您也可以使用 ModelArts Pro 服务提供的“文字识别套件”零代码搭建出专属的文字识别系统。 通用类 通用 表格识别 ：提取表格内的文字和所在行列位置信息。 通用文字识别：提取图片内的文字及其对应位置信息。

查看更多 →

和表格线扭曲图像的文字识别。 支持中英文以及部分繁体字。 文字识别服务属于公有云服务，线上用户资源共享，如果需要多并发请求，请提前联系我们。 通用文字识别 只支持识别PNG、JPG、JPEG、BMP、GIF、TIFF、WEBP、PCX、ICO、PSD格式的图片。 图像各边的像素大小在15px到8192px之间。

查看更多 →

OCR服务需要用户通过调用API接口，将图片或扫描件中的文字识别成可编辑的文本，然后返回JSON格式的识别结果，用户需要通过编码将识别结果对接到业务系统或保存为TXT、Excel等格式。 关于文字识别的相关声明请参见文字识别服务声明。 文字识别服务等级协议请参见华为云服务等级协议。

查看更多 →

配置。 图片视频设置：包括了前景图、后景图、前景视频、后景视频设置。 图6 图片视频设置 前景图：用于合成数字人视频时，配置需要在数字人前方展示的图片。一个图元最多配置5条前景图。 图片：选择您在“配置中心>资源管理>音视频资源管理 ”中配置的2D数字人图片资源。 横坐标：手动输

查看更多 →

现多种版式图像的文字信息结构化提取。 文字识别套件提供预置工作流供您选择，全流程可视化完成AI应用开发以及持续迭代。 选择预置工作流 单模板工作流 通过工作流指引构建文字识别模板，识别单个板式图片中的文字，快速实现文档、票证等场景的文字识别。详情请见使用单模板工作流开发应用。 多模板工作流

查看更多 →

率。 text_location Object 对应所有在原图上识别到的字段位置信息，包含所有文字区域四个顶点的二维坐标（x,y）。采用图像坐标系，坐标原点为图片左上角，x轴沿水平方向，y轴沿竖直方向。 状态码： 400 表6 响应Body参数 参数 参数类型 说明 error_code

查看更多 →

自定义OCR基于丰富的文字识别算法和行业知识积累，帮助客户快速构建满足不同业务场景需求的文字识别服务，实现多种版式图像的文字信息结构化提取。 工作流 自定义OCR当前提供了单模板工作流和多模板工作流，自主构建文字识别模板，识别模板图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。

查看更多 →

文字识别套件 行业套件介绍 新建应用 通用单模板工作流 多模板分类工作流 调用API和SDK 查看应用详情 删除应用

查看更多 →

文字识别套件 文字识别套件使用简介 使用单模板工作流开发应用 使用多模板工作流开发应用

查看更多 →

左边距：图表到组件边框左侧的距离。 图片地址：支持输入图片地址，来展示图片。 链接：设置单击图片后，跳转的链接地址。 图片设置：设置图片填充方式，并选择对应图片。 数据 在数据中，配置图片组件的数据来源，更多介绍请参见数据接入。 交互 在交互中，配置图片与其他组件或页面之间的交互能力。更多交互介绍，请参见交互设置。

查看更多 →

外圈边框的线型、圆角等。 样式：选择图片时，图片显示的样式，支持普通、居中、拉伸和平铺四种样式。 选择图片：使用本地的图片作为组件背景，支持新增目录和子目录，便于对图片进行分类管理。推荐使用JPG、JPEG、PNG或GIF格式的图片，且每张图片不能超过50MB。 特效：组件是否高

查看更多 →

与image二选一。 图片的URL路径，目前仅支持华为云上OBS提供的匿名公开授权访问的URL以及公网URL。 detect_direction 否 Boolean 校正图片的倾斜角度开关，可选值如下所示： true：校正图片的倾斜角度 false：不校正图片的倾斜角度 支持任意角

查看更多 →

图片区域，上传本地的图片作为测试图片。 上传图片后，右侧会显示文字识别结果，包括“识别区”和对应的“识别结果”。 上传在线图片 单击“在线URL”，切换至“在线URL”页签。在“开始识别”左侧输出框中输入待测试的图片URL地址，或者拖拽测试图片至虚线框内上传图片区域，上传在线图片作为测试图片。

查看更多 →

共享字段 text_location Object 对应所有在原图上识别到的字段位置信息，包含所有文字区域四个顶点的二维坐标（x,y）。采用图像坐标系，坐标原点为图片左上角，x轴沿水平方向，y轴沿竖直方向。 共享字段 状态码： 400 表6 响应Body参数 参数 参数类型 说明 error_code

查看更多 →

FunctionGraph，用于实现调用文字识别服务业务逻辑，当收到OBS上传图片通知后，自动调用文字识别 OCR服务进行电子面单识别、网络图片识别并将结果存放在OBS桶内。 使用文字识别 OCR，提供电子面单识别和网络图片识别。用户只需要将电子面单图片或含有收/寄件信息的截图上传至OB

查看更多 →

1080], 2的倍数。 如果输入不是NV21格式，请把输入的源图片转换为NV21格式，详情请参见转换图片颜色格式。 dst 目的图片。 x 裁剪区域左上角x坐标，范围[0, 1920], 2的倍数。 y 裁剪区域左上角y坐标，范围[0, 1080], 2的倍数。 w 缩放宽度，范围[64

查看更多 →

外圈边框的线型、圆角等。 样式：选择图片时，图片显示的样式，支持普通、居中、拉伸和平铺四种样式。 选择图片：使用本地的图片作为组件背景，支持新增目录和子目录，便于对图片进行分类管理。推荐使用JPG、JPEG、PNG或GIF格式的图片，且每张图片不能超过50MB。 特效：组件是否高

查看更多 →

裁剪图片 该接口用于裁剪一张图片。 接口调用 hilens.Preprocessor.crop(src, x, y, w, h, t) 参数说明 表1 参数说明 参数名 是否必选 参数类型 描述 src 是 <class 'numpy.ndarray'>对象 源图，必须为NV21的格式。宽度范围[64

查看更多 →

部署服务 评估模板应用后，就可以部署多模板应用至文字识别开发套件中，开发属于自己的文字识别应用，此应用用于识别自己所上传的图片属于哪种模板以及识别图片中的文字。 前提条件 已在文字识别套件控制台选择“多模板分类工作流”新建应用，并完成评估模板步骤，详情请见评估应用。 操作步骤 在

查看更多 →