VNRequest — wat is het, architectuur van Vision-verzoeken in iOS

Wat is VNRequest in Vision?

VNRequest — is het fundamentele element van de Vision-architectuur, die het Request-Response-patroon implementeert voor analyse van afbeeldingen en video. Elke subklasse van VNRequest is verantwoordelijk voor een specifieke computervisietaak: gezichten zoeken, tekst herkennen, inhoud classificeren.

De architectuur van VNRequest scheidt „wat te analyseren” (verzoek) van „hoe te verwerken” (handler). De ontwikkelaar configureert het verzoek (analysetype, extra parameters) en geeft het samen met de afbeelding door aan de handler. De handler voert het verzoek uit en retourneert resultaten, zonder dat de ontwikkelaar inzicht hoeft te hebben in de interne ML-algoritmen.

Alle subklassen van VNRequest volgen een uniforme structuur: initialisatie met optionele completion handler, configuratie van eigenschappen (analyseregio, nauwkeurigheidsniveau) en overdracht aan de handler. Dit maakt de API voorspelbaar en gemakkelijk uitbreidbaar — een nieuw analysetype toevoegen betekent een nieuwe subklasse van VNRequest maken.

import Vision

// 1. Maak verzoek aan
let request = VNDetectFaceRectanglesRequest { req, _ in
    // 3. Verwerk resultaten
    guard let faces = req.results as? [VNFaceObservation]
    else { return }
    print("Found \\(faces.count) faces")
}

// 2. Voer uit via handler
let handler = VNImageRequestHandler(cgImage: cgImage, options: [:])
try handler.perform([request])

Belangrijkste eigenschappen van VNRequest: regionOfInterest (interessegebied op de afbeelding om analyse te versnellen), preferBackgroundProcessing (achtergrondmodus), revision (algoritmeversie) en cancellationSupport. Correcte configuratie van deze eigenschappen stelt u in staat de prestaties te optimaliseren voor een specifieke taak.

Volgens Apple WWDC 2024 is het aantal beschikbare VNRequest-subklassen in de 7 jaar van Vision’s bestaan gegroeid van 8 (iOS 11) naar meer dan 25 (iOS 18), waarmee alle belangrijke computervisietaken op mobiele apparaten worden gedekt.

Belangrijkste typen VNRequest voor analyse

Vision bevat meer dan 25 subklassen van VNRequest, verdeeld in categorieën: detectie, herkenning, tracking en classificatie. Elke subklasse erft van VNRequest en voegt taakspecifieke eigenschappen toe.

Detectie en herkenning

VNDetectFaceRectanglesRequest — zoeken naar gezichten in afbeeldingen. Retourneert VNFaceObservation met bounding box-coördinaten en confidence. VNDetectHumanRectanglesRequest — analoog voor mensen. VNDetectHumanBodyPoseRequest — bepalen van menselijke pose (skeletpunten).

Tekstanalyse

VNRecognizeTextRequest — tekstherkenning met ondersteuning voor 13 talen en twee nauwkeurigheidsniveaus. VNReadCodeRequest — voor gespecialiseerde codes. VNDetectTextRectanglesRequest — zoeken naar tekstgebieden zonder herkenning (sneller, maar alleen rechthoeken).

Classificatie en analyse

VNClassifyImageRequest — classificatie van afbeeldingen volgens 1000 ImageNet-categorieën. VNGenerateImageFeaturePrintRequest — extractie van feature vector voor het vergelijken van afbeeldingen. VNDetectContoursRequest — detectie van objectcontouren.

// VNImageRequestHandler voor enkele afbeelding
let imageHandler = VNImageRequestHandler(
    cgImage: cgImage,
    orientation: orientation,
    options: [:])

// VNSequenceRequestHandler voor video
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

// Meerdere verzoeken in één array
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
])

// Toegang tot resultaten van elk verzoek
print("Faces: \\(faceRequest.results?.count ?? 0)")
print("Text blocks: \\(textRequest.results?.count ?? 0)")

import Vision
import CoreML

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

// VNCoreMLRequest aanmaken
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