【阿里云高校计划】达摩院特别版-视觉AI训练营Day5

本文链接：https://blog.youkuaiyun.com/mdzz14/article/details/106661487

本文分享了一个视觉识别项目的实践经验，旨在解决图片文字搜索精度问题。项目名为“寻它”，目标是在图片中精确查找特定文字，目前可定位到包含关键字符的行，但仍需优化关键字匹配。文章还记录了项目过程中遇到的技术挑战，包括前端页面缩放和后端数据处理等问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

更新一下

最终效果图

已知问题:无法识别长图内容无法批量导入图片

期末了，不仅要实习，还要考试！实在是没有时间，项目估计是赶不完了，先做一些记录吧。

今天便是训练营的最后一天了，回想起来，这五天的时间真的过得飞快，恍如昨日一般。而我常因为Bug而无法自拔，在黑夜中摸索思绪，期待着下一秒便能寻找问题的回答。

最后的作业是需要结合所学，写出一个自己的视觉识别项目。想到自己经常看到喜欢的文字便截图保存，但时间一久图片越来越来越多，有时候想找图片却只依稀记得几个断断续续的字词，其他就什么也不记得了。基于此我将项目名命为寻它，即在图片中能寻找到它，而由此引出的问题是，图片上的文字搜索精度，目前只能定位到包含关键字符的行，对于更精准关键字完全适配还是有待优化的。

记录一下本次项目中碰到的问题，

前端页面可以使用transform:scale(x);可以对html页面/标签内容缩放（此问题困扰我一个下午）

在scale属性缩放内容时，会出现大部分的空白，使用如下代码解决；

                        //父容器设置高度，以及溢出隐藏
                        .content{
				
				height: 680px;
				overflow: hidden;
			}
			#show

				transform-origin: top left;
				margin-left: 18%;
                                //设置缩放倍数
				transform: scale(0.3);
				border: 1px solid red;
			}

由于后端返回的是JSON数组结构，要更改结束返回数据的接收对象：

        List<String> result = new ArrayList<String>();
    	result.add(JSON.toJSONString(response.data.results));
    	List<Object>list1 = new ArrayList<>();
    	list1.add(JSON.parse(JSON.toJSONString(response.data.results)));
    	JSON.parse(JSON.toJSONString(response.data.results));
    	return  result;

前端通过接收Map对象后解析数据，取出对应的图像数据显示到前台(页面暂未做完，先写出思路）

最终效果图（显示带有关键字符的行）