我编写了一个基本的 python 脚本来调用和使用 GCP Vision API。我的目标是向其发送产品图像并检索（使用 OCR）此盒子上写的文字。我有一个预定义的品牌列表，因此我可以在 API 返回的文本中搜索品牌并检测它是什么。
我的Python脚本如下：
import io
from google.cloud import vision
from google.cloud.vision import types
import os
import cv2
import numpy as np
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "**************************"
def detect_text(file):
"""Detects text in the file."""
client = vision.ImageAnnotatorClient()
with io.open(file, 'rb') as image_file:
content = image_file.read()
image = types.Image(content=content)
response = client.text_detection(image=image)
texts = response.text_annotations
print('Texts:')
for text in texts:
print('\n"{}"'.format(text.description))
vertices = (['({},{})'.format(vertex.x, vertex.y)
for vertex in text.bounding_poly.vertices])
print('bounds: {}'.format(','.join(vertices)))
file_name = "Image.jpg"
img = cv2.imread(file_name)
detect_text(file_name)
For now, I am experimenting with the following product image: 
(951 × 335 resolution)
它的品牌是Acuvue.
问题如下。当我测试 GCP Cloud Vision API 的在线演示时，我得到了该图像的以下文本结果：
FOR ASTIGMATISM 1-DAY ACUVUE MOIST WITH LACREON™ 30 Lenses BRAND CONTACT LENSES UV BLOCKING
（此 json 结果返回所有上述单词，包括单词Acuvue这对我来说很重要，但是 json 太长，无法发布到这里）
因此，在线演示可以很好地检测产品上的文本，至少可以准确地检测到单词Acuvue（这是品牌）。但是，当我在 python 脚本中使用相同的图像调用相同的 API 时，我得到以下结果：
Texts:
"1.DAY
FOR ASTIGMATISM
WITH
LACREONTM
MOIS
30 Lenses
BRAND CONTACT LENSES
UV BLOCKING
"
bounds: (221,101),(887,101),(887,284),(221,284)
"1.DAY"
bounds: (221,101),(312,101),(312,125),(221,125)
"FOR"
bounds: (622,107),(657,107),(657,119),(622,119)
"ASTIGMATISM"
bounds: (664,107),(788,107),(788,119),(664,119)
"WITH"
bounds: (614,136),(647,136),(647,145),(614,145)
"LACREONTM"
bounds: (600,151),(711,146),(712,161),(601,166)
"MOIS"
bounds: (378,162),(525,153),(528,200),(381,209)
"30"
bounds: (614,177),(629,178),(629,188),(614,187)
"Lenses"
bounds: (634,178),(677,180),(677,189),(634,187)
"BRAND"
bounds: (361,210),(418,210),(418,218),(361,218)
"CONTACT"
bounds: (427,209),(505,209),(505,218),(427,218)
"LENSES"
bounds: (514,209),(576,209),(576,218),(514,218)
"UV"
bounds: (805,274),(823,274),(823,284),(805,284)
"BLOCKING"
bounds: (827,276),(887,276),(887,284),(827,284)
但这根本没有像演示那样检测到“Acuvue”这个词！
为什么会发生这种情况？
我可以修复 python 脚本中的某些内容以使其正常工作吗？
来自文档:
Vision API 可以检测并提取图像中的文本。有两种支持 OCR 的注释功能：
TEXT_DETECTION 从任何图像中检测并提取文本。例如，照片可能包含街道标志或交通标志。 JSON 包括整个提取的字符串、单个单词及其边界框。
DOCUMENT_TEXT_DETECTION 还从图像中提取文本，但响应针对密集文本和文档进行了优化。 JSON 包括页面、块、段落、单词和中断信息。）
我希望 Web API 实际上使用后者，然后根据置信度过滤结果。
DOCUMENT_TEXT_DETECTION 响应包括附加布局信息，例如页面、块、段落、单词和中断信息，以及每个信息的置信度分数。
无论如何，我希望（我的经验是）后一种方法会“更加努力”地找到所有字符串。
我不认为你做任何“错误”的事情。只有两种并行检测方法。其中一种 (DOCUMENT_TEXT_DETECTION) 更为密集，针对文档进行了优化（可能针对拉直、对齐和均匀间隔的线条），并提供了更多对于某些应用程序可能不需要的信息。
所以我建议你按照Python修改你的代码例子在这里.
最后，我的猜测是\342\204\242您询问的是与 utf-8 字符相对应的转义八进制值，它认为在尝试识别 ™ 符号时找到了它。
如果您使用以下代码片段：
b = b"\342\204\242"
s = b.decode('utf8')
print(s)
您会很高兴看到它打印™。