SwiftUI+Vision: Object Detection in Still Image
Zusammenfassung
Kurz
Der Artikel führt mit SwiftUI-Beispielen durch Texterkennung, QR-Code-Erkennung und kombinierte Vision-Anfragen für Standbilder unter iOS 18. Der Autor berichtet von Barcode-Problemen im Simulator und ungenauerer Texterkennung im kombinierten Beispiel; die Ursache dafür klärt der Beitrag nicht.
Mittel
Der Beitrag zeigt anhand von SwiftUI-Code, wie die damals neuen Beta-APIs von Vision unter iOS 18 Inhalte in Standbildern erkennen. Für Texterkennung nutzt der Autor `RecognizeTextRequest`; die Ergebnisse lassen sich mit Begrenzungsrahmen, Text und Konfidenzwerten über dem Bild darstellen. Für QR-Codes dient `DetectBarcodesRequest`, dessen mögliche Symbologien im Beispiel auf QR beschränkt sind. Außerdem führt der Artikel vor, wie `ImageRequestHandler` mehrere Anfragen verarbeitet und allgemeine `VisionResult`-Werte nach ihrem Typ ausgelesen werden.
Als Einschränkungen nennt der Autor seine Erfahrung, dass die Barcode-Erkennung im Simulator mit einem Fehler scheiterte und auf einem echten Gerät funktionierte. Bei kombinierten Anfragen wurde der QR-Code erkannt, der Text jedoch weniger genau; auch eine isolierte Textanfrage über den Handler lieferte laut Autor nur „Enjoy“ mit Konfidenz 0,5. Die Ursache bleibt ungeklärt. Der Beitrag ist eine praktische Beta-Einführung, kein systematischer Vergleich. Er setzt iOS 18 voraus und verweist auf weitere Vision-Funktionen wie Bildklassifikation, Gesichtsmerkmale und Posenerkennung.
Ausführlich lesen
Der Bericht beschreibt, wie sich mit SwiftUI und dem Vision-Framework in der damals neuen Beta-API von iOS 18 Objekte und Inhalte in Standbildern analysieren lassen. Der Autor stellt drei Anwendungsfälle vor: Texterkennung, QR-Code-Erkennung sowie die kombinierte Ausführung mehrerer Erkennungsanfragen. Er erwähnt, dass er zunächst YOLO in Betracht gezogen habe, sich dann aber Vision angesehen habe; seine Einschätzung, Vision könne dadurch bessere Ergebnisse liefern, wird im Text nicht durch einen systematischen Vergleich belegt.
Für Text verwendet der Beitrag `RecognizeTextRequest`. Die Anfrage lässt sich auf bestimmte Sprachen beschränken oder mit den Systemspracheinstellungen konfigurieren. Als Eingabe nennt der Autor unter anderem Bilddaten, URL, CGImage, Pixelpuffer und CIImage. Die erkannten Texte werden aus den Beobachtungen ausgelesen. Für eine visuelle Darstellung werden zusätzlich Begrenzungsrahmen, erkannter Text und Konfidenzwerte angezeigt. Dazu wandelt der Beispielcode die normalisierten Rahmenkoordinaten anhand der Bildgröße in Bildkoordinaten um. Wer nur Textbereiche lokalisieren möchte, könne laut Beitrag stattdessen `DetectTextRectanglesRequest` verwenden.
Für Barcodes nutzt der Autor `DetectBarcodesRequest` und schränkt die unterstützten Symbologien im Beispiel auf QR-Codes ein. Die Beobachtungen enthalten laut Beschreibung den dekodierten Inhalt, einen Konfidenzwert und einen Begrenzungsrahmen. Der Autor berichtet von einem Fehler beim Anlegen des Barcode-Detektors im Simulator und vermutet aufgrund seiner eigenen Erfahrung, dass die Funktion dort nicht verfügbar sei beziehungsweise auf einem echten Gerät funktioniere. Das ist als persönliche Beobachtung formuliert, nicht als allgemeingültiger Nachweis.
Im dritten Beispiel führt `ImageRequestHandler` Text- und Barcode-Anfragen auf demselben Bild aus. Die Ergebnisse kommen als allgemeine `VisionResult`-Werte zurück, die der Beispielcode nach Anfragetyp verarbeitet und in einer gemeinsamen Beobachtungsliste darstellt. Der Autor bemerkt, dass die QR-Erkennung funktioniere, während die Texterkennung in diesem Beispiel ungenauer ausfalle. Auch bei einer allein über den Handler ausgeführten Textanfrage habe er nach eigener Aussage dasselbe Ergebnis erhalten wie beim direkten Aufruf: „Enjoy“ mit einem Konfidenzwert von 0,5. Warum das so ist, bleibt offen; der Beitrag stellt die Frage, ob gleichzeitige Anfragen unterschiedlicher Typen die Ursache sein könnten, liefert aber keine Erklärung.
Der Artikel setzt Xcode-Beta und iOS 18 voraus und verwendet die zu diesem Zeitpunkt als Beta bezeichneten `VisionRequest`- und `VisionResult`-APIs. Er ist eine praktische Einführung mit SwiftUI-Codebeispielen, keine vergleichende Leistungsbewertung. Zum Schluss listet der Autor weitere Vision-Anfragen auf, etwa zur Bildklassifikation, Ästhetikbewertung, Gesichtsmerkmalen, Körper- und Handhaltung, Konturen, Horizont und Rechtecken.
Gegengeprüft von Claude Haiku 5.5: ok
Beide Zusammenfassungen von Luna (kurz und mittel) wurden gegen den Bericht geprüft. Sie geben Inhalt, Einschränkungen und ungeklärte Ursache korrekt wieder; erfundene Angaben gibt es nicht. Die Einordnung entfällt, weil in der Aufgabe weder Sammelfragen noch Teilfragen angegeben sind.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug