利用腾讯云api实现手写字体识别

这篇具有很好参考价值的文章主要介绍了利用腾讯云api实现手写字体识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.申请API key
腾讯云目前提供每个月1000次图片识别api调用次数,
开通文字识别api地址如下https://console.cloud.tencent.com/ocr/overview,找不到的话在云产品下找通用文字识别
获取api密钥:https://console.cloud.tencent.com/cam/capi,如图所示

利用腾讯云api实现手写字体识别
2.安装python环境
下载地址如下:https://www.python.org/downloads/,安装过程需要选中添加环境变量,然后一路回车即可
利用腾讯云api实现手写字体识别
win10菜单搜索【管理应用执行别名】关闭下面两个按钮【应用安装程序】,如下图:
利用腾讯云api实现手写字体识别
利用腾讯云api实现手写字体识别

3.安装相关的包
win建+cmd在命令行中运行如下内容:

python -m pip install --upgrade pip
pip install jupyter -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install jupyterlab -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install tencentcloud-sdk-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
jupyter lab --ip='*' --port=8888 --no-browser --allow-root

然后浏览器访问127.0.0.1:8888并输入token,token位置如下:
利用腾讯云api实现手写字体识别

4.目录结构
利用腾讯云api实现手写字体识别
from目录为原始图片位置
to目录为输出txt文件夹位置
ipython为主程序

新建ipython页面并将代码复制如下:
注:需要使用自己的SecretId和SecretKey替换这一行cred = credential.Credential(“SecretId”, “SecretKey”):文章来源地址https://www.toymoban.com/news/detail-460613.html

import base64
import os
import json
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException
from tencentcloud.ocr.v20181119 import ocr_client, models
def translate(image_base64):
    try:
        cred = credential.Credential("SecretId", "SecretKey")
        httpProfile = HttpProfile()
        httpProfile.endpoint = "ocr.tencentcloudapi.com"

        clientProfile = ClientProfile()
        clientProfile.httpProfile = httpProfile
        client = ocr_client.OcrClient(cred, "ap-shanghai", clientProfile)

        req = models.EnglishOCRRequest()
        params = {"ImageBase64": image_base64,
            "Preprocess": True
        }
        req.from_json_string(json.dumps(params))

        resp = client.EnglishOCR(req)
        return json.loads(resp.to_json_string())
        #print(resp.to_json_string())

    except TencentCloudSDKException as err:
        print(err)
        
        

image_dir = r'from'
txt_dir = r'to'
images= os.listdir(image_dir)
s = []
for image in images:
    if not os.path.isdir(image): 
        image_path=image_dir+"/"+image
        type1=str.lower(image_path.split(".")[1])
        with open(image_path, 'rb') as f:
            imagefile = f.read()
        image_base64 = "data:image/"+type1+";base64,"+str(base64.b64encode(imagefile), encoding='utf-8')
        dict1=translate(image_base64)
        #print(dict1)
        str1=''
        for i in dict1['TextDetections']:
            str1=str1+i['DetectedText']+'\n'
        txt_path=txt_dir+"/"+image.split(".")[0]+".txt"
        with open(txt_path, "w", encoding='utf-8') as f:
            f.write(str(str1))
            f.close()
        #print(image_base64)

到了这里,关于利用腾讯云api实现手写字体识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • C# 基于腾讯云人脸核身和百度云证件识别技术相结合的 API 实现

    目录 腾讯云人脸核身技术 Craneoffice.net 采用的识别方式         1、活体人脸核身(权威库):         2、活体人脸比对:         3、照片人脸核身(权威库): 调用成本 百度云身份证识别 调用成本 相关结合点 核心代码 实现调用人脸核身API的示例  实现调用身份证识别API的示

    2024年02月08日
    浏览(54)
  • [学习笔记] [机器学习] 10. 支持向量机 SVM(SVM 算法原理、SVM API介绍、SVM 损失函数、SVM 回归、手写数字识别)

    视频链接 数据集下载地址:无需下载 学习目标: 了解什么是 SVM 算法 掌握 SVM 算法的原理 知道 SVM 算法的损失函数 知道 SVM 算法的核函数 了解 SVM 算法在回归问题中的使用 应用 SVM 算法实现手写数字识别器 学习目标: 了解 SVM 算法的定义 知道软间隔和硬间隔 在很久以前的

    2024年02月09日
    浏览(91)
  • 手写数字识别及python实现

    目录 1、总体流程 2、代码实现 下载数据集 确定激活函数、损失函数、计算梯度函数等 神经网络的搭建 模型的训练与验证  测试模型的泛化能力 step1:下载数据集、读取数据 step2:搭建神经网络(确定输出层、隐藏层(层数)、输出层的结构) step3:初始化偏置和权重 ste

    2024年02月07日
    浏览(42)
  • 【python手写算法】利用梯度下降实现线性拟合

    利用梯度下降实现线性拟合,效果和sklearn LinearRegression()差不多。 学习率初始设置为0.1结果算高的,直接让我的参数变成了nan。(体会到了飞出去的感觉) 把学习率调小了之后就正常了

    2024年02月15日
    浏览(50)
  • CNN实现手写数字识别(Pytorch)

    CNN(卷积神经网络)主要包括卷积层、池化层和全连接层。输入数据经过多个卷积层和池化层提取图片信息后,最后经过若干个全连接层获得最终的输出。 CNN的实现主要包括以下步骤: 数据加载与预处理 模型搭建 定义损失函数、优化器 模型训练 模型测试 以下基于Pytorch框

    2024年02月03日
    浏览(97)
  • 深度学习实验:Softmax实现手写数字识别

    文章相关知识点:​​​​​​​AI遮天传 DL-回归与分类_老师我作业忘带了的博客-CSDN博客   MNIST数据集   MNIST手写数字数据集是机器学习领域中广泛使用的图像分类数据集。它包含60,000个训练样本和10,000个测试样本。这些数字已进行尺寸规格化,并在固定尺寸的图像中居中

    2023年04月08日
    浏览(41)
  • Matlab搭建AlexNet实现手写数字识别

    个人博客地址 Matlab 2020a Windows10 使用Matlab对MNIST数据集进行预处理,搭建卷积神经网络进行训练,实现识别手写数字的任务。在训练过程中,每隔30个batch输出一次模型在验证集上的准确率和损失值。在训练结束后会输出验证集中每个数字的真实值、网络预测值和判定概率,并

    2024年02月05日
    浏览(41)
  • FPGA实现mnist手写数字识别(软件部分)

    使用的环境:tf1.12,具体配置见here: 首先打开环境tf1.12,,再安装以下的包: opencv 在这里下载“linux-64/opencv3-3.1.0-py36_0.tar.bz2”,通过共享文件夹copy到download文件夹中,在文件夹下打开终端,输入以下命令进行安装: matplotlib(时刻注意是py36) Pillow(貌似不用了,上面已经安

    2023年04月15日
    浏览(80)
  • 用PyTorch实现MNIST手写数字识别(最新,非常详细)

    本文基于 PyTorch 框架,采用 CNN卷积神经网络 实现 MNIST 手写数字识别,仅在 CPU 上运行。 已分别实现使用Linear纯线性层、CNN卷积神经网络、Inception网络、和Residual残差网络四种结构对MNIST数据集进行手写数字识别,并对其识别准确率进行比较分析。(另外三种还未发布) 看完

    2024年02月06日
    浏览(37)
  • 【模型+代码/保姆级教程】使用Pytorch实现手写汉字识别

    参考文章: 最初参考的两篇: 【Pytorch】基于CNN手写汉字的识别 「Pytorch」CNN实现手写汉字识别(数据集制作,网络搭建,训练验证测试全部代码) 模型: EfficientNetV2网络详解 数据集(不必从这里下载,可以看一下它的介绍): CASIA Online and Offline Chinese Handwriting Databases 鉴于

    2024年02月07日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包