VisionService

Набор методов для сервиса Yandex Vision.

Вызов	Описание
BatchAnalyze	Анализирует набор изображений и возвращает результаты с аннотациями.

Вызовы VisionService

BatchAnalyze

Анализирует набор изображений и возвращает результаты с аннотациями.

rpc BatchAnalyze (BatchAnalyzeRequest) returns (BatchAnalyzeResponse)

BatchAnalyzeRequest

Поле	Описание
analyze_specs[]	AnalyzeSpec Поддерживаемые форматы файлов: JPEG, PNG. Максимальный размер файла: 1 МБ. Размер изображения не должен превышать 20 мегапикселей (длина x ширина). Количество элементов должно находиться в диапазоне от 1 до 8.
folder_id	string Идентификатор каталога, к которому у вас есть доступ. Требуется для авторизации с пользовательским аккаунтом (см. ресурс yandex.cloud.iam.v1.UserAccount) . Не используйте это поле, если вы делаете запрос от имени сервисного аккаунта. Максимальная длина строки в символах — 50.

AnalyzeSpec

Поле	Описание
source	oneof: content
content	bytes Содержимое изображения, представленное в виде потока байтов. Примечание: как и во всех полях с байтами, в protobuf используется чистое двоичное представление, тогда как в JSON-представлении используется base64. Максимальная длина строки в символах — 10485760.
features[]	Feature Запрошенные возможности для анализа. Максимальное количество запрошенных возможностей для одного файла - 8. Количество элементов должно находиться в диапазоне от 1 до 8.
mime_type	string MIME-тип контента (например, application/pdf). Максимальная длина строки в символах — 255.

Feature

Поле	Описание
type	enum Type Тип запрашиваемой возможности для анализа. TEXT_DETECTION: Распознавание текста (OCR). CLASSIFICATION: Возможность Классификация. FACE_DETECTION: Возможность Обнаружение лиц.
config	oneof: classification_config или text_detection_config
classification_config	FeatureClassificationConfig Обязательно для типа CLASSIFICATION. Задает конфигурацию для классификации.
text_detection_config	FeatureTextDetectionConfig Обязательно для типа TEXT_DETECTION. Задает конфигурацию для распознавания текста (OCR).

FeatureClassificationConfig

Поле	Описание
model	string Модель, которая будет использоваться для анализа изображений. Максимальная длина строки в символах — 256.

FeatureTextDetectionConfig

Поле	Описание
language_codes[]	string Список языков для распознавания текста. Указывается в формате ISO 639-1 (например, ru). Количество элементов должно находиться в диапазоне от 1 до 8. Максимальная длина строки в символах для каждого значения — 3.
model	string page (по умолчанию) — эта модель подходит для распознавания изображений со множеством текстовых блоков на нем. line — эта модель подходит для обрезанных изображений, которые содержат одну строку текста. Максимальная длина строки в символах — 50.

BatchAnalyzeResponse

Поле	Описание
results[]	AnalyzeResult Результаты запроса. Результаты имеют тот же порядок, что и спецификации в запросе.

AnalyzeResult

Поле	Описание
results[]	FeatureResult Результаты для каждой запрошенной возможности для анализа. Результаты имеют тот же порядок, что и указанные возможности в запросе.
error	google.rpc.Status Возвращает информацию об ошибке, если ошибка произошла при обработке файла.

FeatureResult

Поле	Описание
feature	oneof: text_detection, classification или face_detection
text_detection	TextAnnotation Результат распознавания текста (OCR).
classification	ClassAnnotation Результат классификации.
face_detection	FaceAnnotation Результат обнаружения лиц.
error	google.rpc.Status Возвращает информацию об ошибке, если ошибка произошла при выполнении анализа для указанной возможности.

TextAnnotation

Поле	Описание
pages[]	Page Страницы распознанного файла. Для JPEG и PNG файлов содержит только 1 страницу.

Page

Поле	Описание
width	int64 Ширина страницы в пикселях.
height	int64 Высота страницы в пикселях.
blocks[]	Block Распознанные блоки текста на этой странице.

Block

Поле	Описание
bounding_box	Polygon Область на странице, где находится блок текста.
lines[]	Line Распознанные строки в этом блоке.

Polygon

Поле	Описание
vertices[]	Vertex Вершины обрамляющей фигуры.

Vertex

Поле	Описание
x	int64 Координата по оси X в пикселях.
y	int64 Координата по оси Y в пикселях.

Line

Поле	Описание
bounding_box	Polygon Область на странице, где расположена строка.
words[]	Word Распознанные слова в этой строке.
confidence	double Достоверность результатов OCR для строки. Диапазон [0, 1].

Polygon

Поле	Описание
vertices[]	Vertex Вершины обрамляющей фигуры.

Vertex

Поле	Описание
x	int64 Координата по оси X в пикселях.
y	int64 Координата по оси Y в пикселях.

Word

Поле	Описание
bounding_box	Polygon Область на странице, где расположена строка.
text	string Распознанное слово.
confidence	double Достоверность результатов OCR для слова. Диапазон [0, 1].
languages[]	DetectedLanguage Список распознанных языков и достоверность распознавания.

DetectedLanguage

Поле	Описание
language_code	string Код распознанного языка.
confidence	double Достоверность распознанного языка. Диапазон [0, 1].

Polygon

Поле	Описание
vertices[]	Vertex Вершины обрамляющей фигуры.

Vertex

Поле	Описание
x	int64 Координата по оси X в пикселях.
y	int64 Координата по оси Y в пикселях.

ClassAnnotation

Поле	Описание
properties[]	Property Признаки, извлеченные указанной моделью. Например, если вы попросите оценить качество изображения, сервис может вернуть такие признаки, как good и bad.

Property

Поле	Описание
name	string Имя признака.
probability	double Вероятность для признака, от 0 до 1.

FaceAnnotation

Поле	Описание
faces[]	Face Массив обнаруженных лиц для указанного изображения.

Face

Поле	Описание
bounding_box	Polygon Область на изображении, где находится лицо.

Polygon

Поле	Описание
vertices[]	Vertex Вершины обрамляющей фигуры.

Vertex

Поле	Описание
x	int64 Координата по оси X в пикселях.
y	int64 Координата по оси Y в пикселях.