はじめに
CreateMLを使って誰でもAIを作って使えるようになりましょう！
自作AIをアプリに搭載する、と言えたらめっちゃかっこいいです。
CreateMLとは
CreateMLとは、macで簡単にAIモデルを作成できるソフトです。
どんなことができるかというと、以下のようなメニューがあります。
- 画像分類（Image Classification）
- マルチラベル画像分類（Multi-Label Image Classification）
- 物体検出（Object Detection）
- スタイル転送（Style Transfer）
- 手のポーズ分類（Hand Pose Classification）
- アクション分類（Action Classification）
- 手のアクション分類（Hand Action Classification）
- 活動分類（Activity Classification）
- 音分類（Sound Classification）
- テキスト分類（Text Classification）
- 単語タグ付け（Word Tagging）
- 表データ分類（Tabular Classification）
- 表データ回帰（Tabular Regression）
- 推薦（Recommendation）
- 物体追跡（Object Tracking）
今回はこの中で特に扱いやすいものを取り上げます。
画像分類
この画像に写っているのはゾウかキリンか？ みたいな分類をすることができます。
必要なデータセット
以下のようにラベル付けされた画像データセットが必要です。
dataset/
├── label1/
│ ├── image1.jpg
│ ├── image2.jpg
│ ├── ...
├── label2/
│ ├── image1.jpg
│ ├── image2.jpg
│ ├── ...
├── label3/
│ ├── image1.jpg
│ ├── image2.jpg
│ ├── ...
...
ここでlabelが分類したいもの（ゾウ、キリンなど）、imageが実際の画像です。
このようにデータを取り込んだら、Trainボタンを押すだけでトレーニングが完了します。
必要なら同じ形式のテストデータ、バリデーションデータも追加できます。
画像認識
この画像に含まれる複数のオブジェクトを認識し、それぞれの位置を特定することができます。
必要なデータセット
以下のようにラベル付けされた画像データセットが必要です。各画像には、認識したいオブジェクトの位置情報（バウンディングボックス）が含まれている必要があります。
dataset/
├── label1/
│ ├── image1.jpg
│ ├── image1.json
│ ├── image2.jpg
│ ├── image2.json
│ ├── ...
├── label2/
│ ├── image1.jpg
│ ├── image1.json
│ ├── image2.jpg
│ ├── image2.json
│ ├── ...
├── label3/
│ ├── image1.jpg
│ ├── image1.json
│ ├── image2.jpg
│ ├── image2.json
│ ├── ...
...
ここでlabelが認識したいオブジェクトの種類（例：車、人、動物など）、imageが実際の画像、jsonが各オブジェクトの位置情報を含むアノテーションファイルです。
データセットの入手方法
Roboflow Universeというサイトがおすすめです。
ここではCreateMLで使える形式でデータセットをダウンロードできます！
画像真ん中のCreateML JSONからダウンロードすることで、そのまま使えるデータセットが入手できます。神。
このようにデータを取り込んだら、Trainボタンを押すだけでトレーニングが完了します。
必要なら同じ形式のテストデータ、バリデーションデータも追加できます。
ジェスチャー認識
手や体の動きなど、ジェスチャーを認識して分類することができます。
必要なデータセット
以下のようにラベル付けされたジェスチャー画像データセットが必要です。
dataset/
├── gesture1/
│ ├── image1.jpg
│ ├── image2.jpg
│ ├── ...
├── gesture2/
│ ├── image1.jpg
│ ├── image2.jpg
│ ├── ...
├── gesture3/
│ ├── image1.jpg
│ ├── image2.jpg
│ ├── ...
...
ここでgestureが認識したいジェスチャーの種類（例：サムズアップ、ピースサインなど）、imageが実際のジェスチャー画像です。
このようにデータを取り込んだら、Trainボタンを押すだけでトレーニングが完了します。
必要なら同じ形式のテストデータ、バリデーションデータも追加できます。
音声分類
音声データを分類して、例えば異なる音声コマンドや環境音を識別することができます。
必要なデータセット
以下のようにラベル付けされた音声データセットが必要です。
dataset/
├── label1/
│ ├── audio1.wav
│ ├── audio2.wav
│ ├── ...
├── label2/
│ ├── audio1.wav
│ ├── audio2.wav
│ ├── ...
├── label3/
│ ├── audio1.wav
│ ├── audio2.wav
│ ├── ...
...
ここでlabelが分類したい音声の種類（例：犬の鳴き声、車の音声、音声コマンドなど）、audioが実際の音声ファイルです。
このようにデータを取り込んだら、Trainボタンを押すだけでトレーニングが完了します。
必要なら同じ形式のテストデータ、バリデーションデータも追加できます。
まとめ
CreateMLを使うと簡単にAIが作れる上、それをSwiftで使うこともとても簡単です！ぜひみなさん使いましょう！