CreateMLでiOSイケメン分類器をつくる。ドラッグ&ドロップのみ。

#ディープラーニングをかんたんにできるCreateML

数学などの専門知識は不要です。
AppleのツールCreateMLで、あなたも簡単にディープラーニングのモデルを学習させることができます。
そして、そのモデルはiOSアプリでつかうことができます。

#データをあつめましょう
##トレーニング・データ
イケメンの画像１００枚と、イケメンではない画像１００枚をあつめました。
そして、それらをフォルダわけしました。

イケメンフォルダ

イケメンじゃないフォルダ

##テスティング・データ
トレーニング・データと同じフォルダ構成で、テスティング・データのフォルダもつくります。
イケメン、イケメンじゃない、10枚ずつです。
トレーニング・データに含まれない画像を用意する必要があります。
分類の子フォルダ名（この場合、「ikemen」と「ikemennot」）はトレーニング・データと同じであることが要求されます。

#CreateMLを起動
XcodeをControllキーを押しながらクリック、そしてOpenDeveloperTools、CreateMLを選択。

CreateMLのメニューからImage Classification（画像分類）を選びます。

それから、好きなプロジェクト名を入力します。
#CreatMLで画像分類モデルを学習させる

Training DataとTesting Dataの＋ボタンをクリックして、用意したフォルダを指定します。

それから、▶️Trainボタンを押すと学習が開始されます。

あっという間に終わります。

テスティング・データでテストした結果を表示してくれます。

イケメンのPrecision89%、Recall80%。
モデルがイケメンと予測した画像の89%が正解。
イケメン画像の80%がイケメンと予測されました。

Previewを選択してオリジナル画像をドロップすると、その画像でテストできます。

99%の確信でイケメンではない、と予測されました。
#モデルをiOSモバイルアプリでつかう
##mlmodelをゲット
Outputタブを選択すると、学習したモデルが表示されます。
これはCoreMLモデル形式です。
Getボタンを押して、モデルを保存します。

保存されたモデルを、Xcodeプロジェクトにドラッグ＆ドロップします。

##Visionフレームワークでモデルをつかう
Visionフレームワークでmlmodelを手軽に使えます。
VNCoreMLRequestで、CoreMLモデルの推論リクエストをつくります。

ViewController.swift

func setupVision() -> NSError? {
        // Setup Vision parts
        let error: NSError! = nil
        
        guard let modelURL = Bundle.main.url(forResource: "ikemenclasifier 1", withExtension: "mlmodelc") else {
            return NSError(domain: "VisionObjectRecognitionViewController", code: -1, userInfo: [NSLocalizedDescriptionKey: "Model file is missing"])
        }
        do {
            let visionModel = try VNCoreMLModel(for: MLModel(contentsOf: modelURL))
            let objectRecognition = VNCoreMLRequest(model: visionModel, completionHandler: { (request, error) in
                DispatchQueue.main.async(execute: {
                    // perform all the UI updates on the main queue
                    if let results = request.results {
                        self.mlCompletion(results)
                    }
                })
            })
            self.mlRequest = [objectRecognition]
        } catch let error as NSError {
            print("Model loading went wrong: \(error)")
        }
               return error
    }

VNImageRequestHandlerを使って、用意した画像でCoreMLリクエストを実行します。

ViewController.swift

let imageRequestHandler = VNImageRequestHandler(ciImage: image, orientation: exifOrientation, options: [:])
            do {
                try imageRequestHandler.perform(self.mlRequest)
            } catch {
                print(error)
            }

リクエストは結果をVNClassificationObservationとして返します。
identifierは結果の分類名です。それは、データのフォルダ名と同じになります。この場合、「ikemen」か「ikemennot」です。
confidenceはパーセンテージの確信度です。

ViewController.swift

    func mlCompletion(_ results: [Any])  {
        guard let observation = results.first as? VNClassificationObservation else {
            print("its not ml observation")
            return
        }
        print(observation.identifier,observation.confidence)
        if observation.identifier == "ikemen" {
            resultLabel.text = "イケメン\n\(floor(observation.confidence * 100))"
            ikemenCount += 1
        } else {
            resultLabel.text = "イケメンではない\n\(floor(observation.confidence * 100))"
        }
    }

##実際のアプリはこちら
GitHubにアプリ置いときます。
https://github.com/john-rocky/HandsomeClassifier

ぼくのTwitterをフォローしてください。お願いします。
https://twitter.com/JackdeS11

お仕事のご依頼をこのメールにお願いします。
[e-mail]

あと、Looks Good For Me(わるくないね）、押してください。
　　　　　　　　ここです　↓
チャオ🐣！