VNRequest — τι είναι, αρχιτεκτονική αιτημάτων Vision στο iOS

Τι είναι το VNRequest στο Vision;

VNRequest — είναι το θεμελιώδες στοιχείο της αρχιτεκτονικής Vision, που υλοποιεί το πρότυπο Request-Response για την ανάλυση εικόνων και βίντεο. Κάθε υποκλάση VNRequest είναι υπεύθυνη για μια συγκεκριμένη εργασία υπολογιστικής όρασης: αναζήτηση προσώπων, αναγνώριση κειμένου, ταξινόμηση περιεχομένου.

Η αρχιτεκτονική VNRequest διαχωρίζει το «τι να αναλύσουμε» (αίτημα) από το «πώς να επεξεργαστούμε» (handler). Ο αναπτυκτής ρυθμίζει το αίτημα (τύπο ανάλυσης, επιπλέον παραμέτρους) και το μεταβιβάζει στο handler μαζί με την εικόνα. Το handler εκτελεί το αίτημα και επιστρέφει τα αποτελέσματα χωρίς να απαιτείται από τον αναπτυκτή να κατανοεί τους εσωτερικούς αλγόριθμους ML.

Όλες οι υποκλάσεις VNRequest ακολουθούν μια ενιαία δομή: αρχικοποίηση με προαιρετικό completion handler, ρύθμιση ιδιοτήτων (περιοχή ανάλυσης, επίπεδο ακρίβειας) και μεταβίβαση στο handler. Αυτό κάνει το API πρεβλεψιμο και εύκολα επεκτάσιμο — η προσθήκη ενός νέου τύπου ανάλυσης σημαίνει τη δημιουργία μιας νέας υποκλάσης VNRequest.

import Vision

// 1. Δημιουργία αιτήματος
let request = VNDetectFaceRectanglesRequest { req, _ in
    // 3. Επεξεργασία αποτελεσμάτων
    guard let faces = req.results as? [VNFaceObservation]
    else { return }
    print("Found \\(faces.count) faces")
}

// 2. Εκτέλεση μέσω handler
let handler = VNImageRequestHandler(cgImage: cgImage, options: [:])
try handler.perform([request])

Βασικές ιδιότητες VNRequest: regionOfInterest (περιοχή ενδιαφέροντος στην εικόνα για επίταχυνση της ανάλυσης), preferBackgroundProcessing (λειτουργία υποβάθρου), revision (έκδοση αλγορίθμου) και cancellationSupport. Η σωστή ρύθμιση αυτών των ιδιοτήτων σας επιτρέπει να βελτιστοποιήσετε την απόδοση για μια συγκεκριμένη εργασία.

Σύμφωνα με το Apple WWDC 2024, κατά τα 7 χρόνια ύπαρξης του Vision, ο αριθμός των διαθέσιμων υποκλάσεων VNRequest αυξήθηκε από 8 (iOS 11) σε πάνω από 25 (iOS 18), καλύπτοντας όλες τις κύριες εργασίες υπολογιστικής όρασης σε κινητές συσκευές.

Βασικοί τύποι VNRequest για ανάλυση

Vision περιλαμβάνει πάνω από 25 υποκλάσεις VNRequest, χωρισμένες σε κατηγορίες: ανίχνευση, αναγνώριση, παρακολούθηση και ταξινόμηση. Κάθε υποκλάση κληρονομεί από VNRequest και προσθέτει ιδιότητες συγκεκριμένες για την εργασία.

Ανίχνευση και αναγνώριση

VNDetectFaceRectanglesRequest — αναζήτηση προσώπων στην εικόνα. Επιστρέφει VNFaceObservation με συντεταγμένες bounding box και confidence. VNDetectHumanRectanglesRequest — ανάλογα για ανθρώπους. VNDetectHumanBodyPoseRequest — προσδιορισμός στάσης σώματος (σκελετικά σημεία).

Ανάλυση κειμένου

VNRecognizeTextRequest — αναγνώριση κειμένου με υποστήριξη 13 γλωσσών και δύο επίπεδα ακρίβειας. VNReadCodeRequest — για εξειδικευμένους κώδικες. VNDetectTextRectanglesRequest — αναζήτηση περιοχών κειμένου χωρίς αναγνώριση (ταχύτερο, αλλά μόνο ορθογώνια).

Ταξινόμηση και ανάλυση

VNClassifyImageRequest — ταξινόμηση εικόνας σύμφωνα με 1000 κατηγορίες ImageNet. VNGenerateImageFeaturePrintRequest — εξαγωγή feature vector για σύγκριση εικόνων. VNDetectContoursRequest — ανίχνευση περιγραμμάτων αντικειμένων.

// VNImageRequestHandler για μία εικόνα
let imageHandler = VNImageRequestHandler(
    cgImage: cgImage,
    orientation: orientation,
    options: [:])

// VNSequenceRequestHandler για βίντεο
let sequenceHandler = VNSequenceRequestHandler()
try sequenceHandler.perform([trackingRequest],
    on: cgImage)

func handleTextResults(request: VNRequest) {
    guard let observations = request.results
        as? [VNRecognizedTextObservation]
    else { return }

    for observation in observations {
        let bbox = observation.boundingBox
        let text = observation.topCandidates(1).first ?? ""
        print("\\(text) at \\(bbox)")
    }
}

import Vision

// Πολλαπλά αιτήματα σε έναν πίνακα
let faceRequest = VNDetectFaceRectanglesRequest()
let textRequest = VNRecognizeTextRequest()
let barcodeRequest = VNDetectBarcodesRequest()
let classifyRequest = VNClassifyImageRequest()

let handler = VNImageRequestHandler(cgImage: cgImage, options: [:])
try handler.perform([
    faceRequest,
    textRequest,
    barcodeRequest,
    classifyRequest
])

// Πρόσβαση σε αποτελέσματα από κάθε αίτημα
print("Faces: \\(faceRequest.results?.count ?? 0)")
print("Text blocks: \\(textRequest.results?.count ?? 0)")

import Vision
import CoreML

// Τύλιγμα μοντέλου Core ML
guard let mlModel = try VNCoreMLModel(
    for: MyCustomClassifier().model)
else { return }

// Δημιουργία VNCoreMLRequest
let coreMLRequest = VNCoreMLRequest(model: mlModel) { request, _ in
    guard let results = request.results
        as? [VNClassificationObservation]
    else { return }

    for result in results.prefix(5) {
        print("\\(result.identifier): \\(result.confidence)"
    }
}
coreMLRequest.imageCropAndScaleOption = .centerCrop
coreMLRequest.regionOfInterest = faceBoundingBox