FileMaker Pro 19でCoreMLを使う #FileMaker19

使うのは非常に簡単でした。

転移学習(Transfer Learning)とは、ある領域で学習したこと(学習済みモデル)を別の領域に役立たせ、効率的に学習させる方法　
再学習はできないものでしたが

Vision(視覚)
CNN( Convolution Neural Network) の単物体識別　モバイル用に使われる物を
MobileNetV2, Resnet50. SqueezeNetで試してみた。

Apple Core MLモデルから入手出来ます。
Appleでは、「トレーニング済みモデルのCore MLへの変換」というページもあるので独自モデルも可能性があります。

FileMakerで機械学習をさせるには
1. 機械学習モデルをスクリプトステップで構成して、名前を付ける
2. フィールド設定で結果を返す感じです、関数：ComputeModel を使う
3. 結果テキストのJSON処理

機械学習モデルを構成 [ 処理 : 視覚 ; 名前 : "visionModel" ; 次から :  モデルのフィールド ]

US版では

Configure Machine Learning Model [ Name: visionModel ; Operation: Vision ; From: ModelContainerField ]

日本版とUS版では順番が違うが、FileMkerが、ユニバーサルのアプリなので自動変換してくれる

このスクリプトステップは、Core ML モデルを構成するステップで、読み込むフィールドと
次の引数を指定できるインスタンスを作る感じかな

[視覚(Vision)] : 入力が単一のイメージで、分類(classifications)の配列を返す。返値には名前と信頼レベルの動小数点が変える
[一般(General)] : 入力がひとつ以上の数値(scalar)で,有限の番号付きリストを返す
[アンロード(Unload)] : モデルを構築するときに読み込んだリソースを開放付けた名前で指定注意：アンロードでは、モデルフィールド指定が無い、当然だが親切だが処理の他と違うので,次からは出ない、使わないモデルはなるべく、アンロードしておいた方がよい

このオブジェクトを利用するときの名称で重要
ルールはユニークなら良さそうだが、読み込んだモデルオブジェクトの名称にしておくのが無難

モデルを指定するフィールド

CoreMLモデルを処理してJSONを返す関数

ComputeModel (モデル名 ; "image" ; 値1 ; "threshold" ; returnAtLeastOne)

この関数はこんな感じに書く

ComputeModel ("MobileNet"; "image"; 対象データフィールド)
ComputeModel ( $$model ; "image"; 対象データフィールド ; "threshold"; .1 ; "returnAtLeastOne"; 1)

Filemakerの場合見た方が分かり易いのでサンプル作成
iOS 対応
CoreMLGo.fmp12
https://github.com/nmizojp/FileMaker

FileMaker Pro 19でCoreMLを使う