Извлечение ограниченных коробок на уровне слов с помощью vnrecognizetextrequest. Получите в структуре зрения - Swiftui ⇐ IOS

[Anonymous]

Я работаю над проектом распознавания текста, используя структуру Vision Apple и пытаюсь использовать vnrecognizetextrequest для извлечения ограничивающих коробок текста в изображениях. Моя цель состоит в том, чтобы точно идентифицировать и получить ограничительные ящики для отдельных слов , а не целых предложений или текстовых блоков. Кроме того, я знаю, что vnrecognizetextrequest предлагает две точки распознавания: .fast и .accurate . Основываясь на моем тестировании, качество распознавания .fast режима значительно уступает .ccurate , поэтому я предпочитаю использовать последнее, чтобы обеспечить наибольшее качество распознавания текста. Блоки. Я упускаю какие -либо конкретные настройки или параметры, которые могли бы уточнить обнаружение до этого уровня детализации? Спасибо!

Код: Выделить всё

import SwiftUI
import Vision

struct OCR: View {
@State var image: UIImage? = UIImage(named: "test")
@State var texts: [String] = []
@State var positions: [CGRect] = []

@State var size: CGSize = CGSize()

func VNImageRectForNormalizedRect(rect: CGRect, imageSize: CGSize) -> CGRect {
let width = imageSize.width
let height = imageSize.height

let x = rect.minX * width
let y = (1 - rect.maxY) * height
let rectWidth = rect.width * width
let rectHeight = rect.height * height

return CGRect(x: x, y: y, width: rectWidth, height: rectHeight)
}

var body: some View {
ZStack {
if let image = image {
Image(uiImage: image)
.resizable()
.aspectRatio(contentMode: .fit)
.background {
GeometryReader { geo in
Color.clear
.onAppear {
size = geo.size
}
}
}
.overlay(Canvas { context, size in
for position in positions {
let normalizedRect = VNImageRectForNormalizedRect(rect: position, imageSize: size)
context.stroke(Path(normalizedRect), with: .color(.red), lineWidth: 1)
}
})
.onAppear {
recognizeText(image: image) { t, p in
texts = t
positions = p
}
}
} else {
Text("Their is no picture")
}
}
}
}

extension ContentView {
func recognizeText(image: UIImage, completion: @escaping([String], [CGRect]) -> Void) {
var texts: [String] = []
var positions: [CGRect] = []

guard let cgImage = image.cgImage else { return }
let request = VNRecognizeTextRequest { (request, error) in
guard let observations = request.results as? [VNRecognizedTextObservation], error == nil else {
print("Text recognition error: \(error?.localizedDescription ?? "Unknown error")")
return
}
for observation in observations {
guard let topCandidate = observation.topCandidates(1).first else { continue }
texts.append(topCandidate.string)
positions.append(observation.boundingBox)
}
DispatchQueue.main.async {
print(texts)
print(positions)
completion(texts, positions)
}
}
request.recognitionLevel = .accurate

let handler = VNImageRequestHandler(cgImage: cgImage)
try? handler.perform([request])
}
}

#Preview {
OCR()
}

тестовое изображение

Подробнее здесь: https://stackoverflow.com/questions/781 ... urate-in-v