[SWIFT] [Maschinelles Lernen] Ich habe die Objekterkennung mit Create ML [Objekterkennung] ausprobiert.

Was ich diesmal umgesetzt habe

Vorbereitung

Dieses Mal habe ich versucht, die Münze zu Beginn als Gif zu erkennen und zu identifizieren. Was vorzubereiten?

• Über 100 Daten (JPEG-Fotos)
• RecognizingObjectsInLiveCapture
• IBM Cloud Annotations-Konto (kostenlos) ―― 1 Yen Ball ~ 500 Yen Ball das ist alles.

• ML erstellen befindet sich im Open Developer Tool, indem Sie mit der rechten Maustaste auf Xcode klicken. Erstellen Sie daher von dort aus ein Modell.

Grobe Arten des maschinellen Lernens

Für maschinelles Lernen ・ Bildklassifizierung ・ Klangklassifizierung ・ Aktionsklassifizierung ・ Objekterkennung Dieses Mal werden wir jedoch die Objekterkennung implementieren, dh Objekte erkennen.

Was ist Objet Detection?

Objekterkennung bezieht sich auf die Erkennung eines Objekts, daher ist es notwendig zu beurteilen, "was auf dem Bild ist". Daher sind "Foto" und "Positionsinformationen" erforderlich. Nehmen Sie Fotos im Voraus auf und speichern Sie sie in Ordnern. (Ordnername = Klassifizierungsname) Dieses Mal möchten wir Münzen erkennen und identifizieren, daher benötigen wir einen Ordner von 500 Yen bis 1 Yen und die Positionsinformationen jedes Bildes. → Klicken Sie hier, um mehr über die Objekterkennung zu erfahren. Training des Objekterkennungsmodells in Create ML

Verfahren

--Daten sammeln. (Nehmen Sie das Foto auf, das Sie erkennen möchten.)

• Klassifizieren Sie die mithilfe von IBM Cloud Annotations (im Folgenden als IBMCA bezeichnet) gesammelten Daten, geben Sie die Standortinformationen an und erstellen Sie einen Datensatz. --Erstellen Sie das Modell, indem Sie die von IBM CA erstellte Datei in Create ML ablegen
• Versuchen Sie, ML zu erstellen
• Versuchen Sie es in Apples Beispiel

Machen Sie ein Foto (Daten vorbereiten)

Was die Fotos betrifft, habe ich diesmal ungefähr 100 Fotos von Coin vorbereitet.

Foto ・ Fotos aus verschiedenen Winkeln ・ Für jedes der drei Muster in großen, mittleren und kleinen Größen stehen ca. 30 Blatt zur Verfügung. ・ Der Hintergrund ist einheitlich und weiß

Erstellen Sie einen Datensatz (JSON-Datei)

Für die Objekterkennung sind nicht nur Fotos, sondern auch JSON-Dateien erforderlich (da Standortinformationen erforderlich sind). Daher habe ich dieses Mal IBM Cloud Annotations-Konto (kostenlos) verwendet. Erstellt. Wie man es macht ist wie folgt.

· Klicken Sie auf IBM Cloud fortsetzen

・ Klicken Sie auf ein neues Projekt

・ Klicken Sie auf Lokalisierung

・ Geben Sie den Dateinamen ein und geben Sie ihn ein, da Sie das Foto beim Projektstart D & D können.

・ Ziehen Sie zum Objekt (diesmal Münze) und legen Sie es bei ・ Der Markenname kann auf der rechten Seite eingegeben werden.

・ Da der einmal beschriebene Labelname aus der unteren Liste oben links ausgewählt werden kann, ist es effizient, der Münze ein Label hinzuzufügen.

・ Exportieren Sie nach dem Anhängen des Etiketts an alle Fotos aus der Datei, damit es in Create ML verwendet werden kann.

・ Erfolgreich, wenn diese Datei generiert wird

-Überprüfen Sie, ob sich eine JSON-Datei im Ordner befindet

Modell erstellen mit ML erstellen

Sobald der Datensatz erstellt wurde, klicken Sie mit der rechten Maustaste auf Xcode und starten Sie Create ML

Wählen Sie Objekterkennung und D & D den Ordner des zuvor erstellten Datensatzes Es scheint nicht gut zu sein, wenn die Anzahl der Wiederholungen des Lerntrainings (glaube ich) groß ist, aber selbst wenn es extrem klein ist, wird keine Genauigkeit erzielt. Wenn es also süß ist, versuchen Sie es ein wenig anzuheben und anzupassen. (Ich habe diesmal 300, 600, 1000 ausprobiert, aber es hat sich nicht geändert.)

Testen Sie es nach dem Lernen und nehmen Sie das Modell heraus, wenn es kein Problem gibt. (Kann von D & D herausgenommen werden)

Probieren Sie es mit Erkennen von Objekten in Live Capture aus

Laden Sie anschließend RecognizingObjectsInLiveCapture von Apple herunter und öffnen Sie es.

D & D das von Create ML erstellte Modell hier

Der Code liest ursprünglich ein Modell namens Object Detector und ist es ein Croissant oder eine Banane? Weil es etwas zu erkennen und zu identifizieren gibt

guard let modelURL = Bundle.main.url(forResource: "ObjectDetector", withExtension: "mlmodelc")

Zu

guard let modelURL = Bundle.main.url(forResource: "coindetection", withExtension: "mlmodelc")

Implementiert durch Umschreiben in den diesmal generierten Modellnamen

Ist es allgemein erfolgreich? Sie können alles vom Datensatz bis zur Implementierung in ca. 2 Stunden erledigen. Probieren Sie es aus!

Schließlich

Ich habe diesmal ein Beispiel verwendet, aber da es eine große Sache ist, möchte ich mich herausfordern, es in Zukunft mit Swift UI zu schaffen! Darüber hinaus möchte ich mich Herausforderungen stellen, von der Erstellung eines Datensatzes zum maschinellen Lernen bis zur Implementierung. Wenn Sie also interessiert sind, lesen Sie dies bitte auch durch!

Twitter https://twitter.com/oka_yuuji note https://note.com/oka_yuuji

Ich bin auch ein Mitglied der High School Fakultät, aber ich liebe es zu lernen und zu forschen! Wenn Sie eine technische Anfrage oder Recherche haben, kontaktieren Sie uns bitte per DM unten. https://twitter.com/oka_yuuji