前言
机器学习的分类：
- 有监督学习
准确 但是 比较费时间
给机器一个对应关系（训练数据）
比如告诉它手机是什么（给训练的数据贴标签label）input
然后通过训练后输出output - 无监督学习
不是特别准备 不需要给对应的数据关系
只需要给它一堆数据让它自己去做训练，最后分辨出哪些是一类，哪些不是一类。
开始构建代码
- 准备控制器 获取手机拍摄的图片
class ViewController: UIViewController {
@IBOutlet weak var imageView: UIImageView!
override func viewDidLoad() {
super.viewDidLoad()
// Do any additional setup after loading the view.
}
@IBAction func pickImage(_ sender: Any) {
let picker = UIImagePickerController()
picker.delegate = self
picker.sourceType = .camera
present(picker, animated: true, completion: nil)
}
}
extension ViewController: UIImagePickerControllerDelegate, UINavigationControllerDelegate
{
func imagePickerController(_ picker: UIImagePickerController, didFinishPickingMediaWithInfo info: [UIImagePickerController.InfoKey : Any]) {
if let image = info[.originalImage] as? UIImage {
imageView.image = image // 展示拍摄的图片
}
picker.dismiss(animated: true, completion: nil)
}
}
- 去苹果官网下载已经训练好的机器学习的模型
Inceptionv3.mlmodel拖拽到项目中
然后在要使用地方引入下面这个两个框架
import Vision
import CoreML
- 开始进行图片识别
1.先把要识别的图片拍摄的图片转化为CIImage
2.加载MLModel模型VNCoreMLModel
3.构建模型请求VNCoreMLRequest
4.构建VNImageRequestHandler并传入模型请求
然后 转化modle VNCoreMLModel(for: MobileNetV2Int8LUT())
//1.转化图像
guard let ciImage = CIImage(image: image) else{
fatalError("不能把图像转化为CIImage")
}
//2.加载MLModel（训练好的模型），并做了一个让MLModel识别图像的请求
guard let model = try? VNCoreMLModel(for: Inceptionv3().model) else{
fatalError("加载MLmodel失败")
}
//模型请求
let request = VNCoreMLRequest(model: model) { (request, error) in
//图像识别结果--output
guard let res = request.results else{
print("图像识别失败")
return
}
let classifications = res as! [VNClassificationObservation]
if classifications.isEmpty{
print("不知道是什么")
}else{
print("识别结果\(classifications.first!.identifier)")
}
}
//把要识别的图片转化为正方形 （因为这个模型要求图片最好是正方形的）
request.imageCropAndScaleOption = .centerCrop
//执行这个请求--input进需要识别的图像
do{
try VNImageRequestHandler(ciImage: ciImage).perform([request])
}catch{
print("执行图片识别请求失败，原因是：\(error.localizedDescription)")
}
安装
coremltools
这个工具主要就是为了转化第三方的训练数据转化为iOS需要的mlmodel
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
- 第二步：安装coremltools
pip install -U coremltools
ps: 如果是pip3 就使用pip3
- 如何找到适合iOS的python模型
可以在这里下载需要转化的第三方模型库
Model Zoo | 训练好的Caffe模型库
开始转化模型
主要就是使用coremltools
- 先在终端进入
python编辑器
然后写下下面代码
import coremltools
# Convert a Caffe model to a classifier in Core ML
# bvlc_alexnet 要转化的模型
# deploy.prototxt 输入
# class_labels 输出
coreml_model = coremltools.converters.caffe.convert(
('bvlc_alexnet.caffemodel', 'deploy.prototxt'),image_input_names='data', class_labels='class_labels.txt'
)
# Now save the model
coreml_model.save('BVLCObjectClassifier.mlmodel')
至此python训练的模型就成功的转化为coreml模型了，注意在使用coremltools的过程中，要看相关的操作文档
如何制作一个图像识别的
CoreML
- 第一步准备要训练的数据
官方教程
github上的资料
比如狗的图片
要新建一个文件夹取名为Dog并且文件夹里面的狗狗的图片不少于10张
还要有测试数据进行训练
然后 用 xcode 新建 playground
import CreateMLUI
MLImageClassifierBuilder().showInLiveView()
就会在右侧显示制作模型的界面，把要训练的数据直接拖进去开始训练。然后保存模型即可。
