29、Vision框架识别技术详解

Vision框架识别技术详解

1. 图像文本识别概述

在图像分析中，速度和准确性往往难以兼得。有时候分析速度较快，但结果却不尽如人意。不过，对于一些应用程序来说，速度至关重要，为了速度牺牲一些准确性也是可以接受的，比如实时相机翻译或实时滤镜拍照等场景，就需要快速处理。

Vision框架自首次迭代以来，在图像文本检测方面不断改进。在iOS 14上，文本检测有两种方式，由请求中指定的 recognitionLevel 值决定，分别是 .fast 和 .accurate ，它们的区别如下：
| 识别级别 | 原理 | 优点 | 缺点 |
| ---- | ---- | ---- | ---- |
| .fast | 使用字符识别，逐字符检测边界框内的文本 | 针对实时识别进行了优化，内存占用比 .accurate 小 | 处理旋转文本或不同字体的效果不如 .accurate 方法 |
| .accurate | 使用神经网络检测字符串和整行，然后识别单词和句子 | 可以检测或纠正难以提取的某些字符的识别结果，更准确 | 比 .fast 耗时更长 |

在初始识别阶段完成后，两种方式的结果都会传递给传统的自然语言处理器进行语言处理，最终得到识别结果，且整个过程都在设备上完成。

当需要快速读取代码或条形码，或者用户交互性是关键因素，希望文本检测能快速响应时，使用 .fast