コアML iOS 11で画像が正しく認識されない

Question

iOSで最近導入されたCore MLを試して、画像を認識して分類しました。問題は、送信された画像に適切な結果を与えていないことです。

地球の画像（グローブ）を送ると、クラスが私に泡として与えられます。以下は、私が使用したコード、

  let model = Resnet50() 

      let pixelBuffer: CVPixelBuffer = (modelImg.pixelBuffer())! 

      if let prediction = try? model.prediction(image: pixelBuffer) { 
       print("Found it!! It is a/an \(prediction.classLabel)") 
      } 

が、それは、既存のコアMLモデルの上にカスタムユースケースでモデルを訓練することは可能ですがありますか？（例について。Resnet50）MLにのみ使用することができ

Answer 1

コア既に訓練されたモデルと推論する。以前にモデルを訓練してからCore ML Toolsを使用してCore MLに変換するには、他のツールを使用する必要があります。あなたは、ドキュメントでサポートされているサードパーティ機械学習ツールとフォーマットを見つけることができます。

https://developer.apple.com/documentation/coreml/converting_trained_models_to_core_mlに

Answer 2

を画像分類ネットワークを使用しているときにのみ、クラスそれの一つで結果を取り戻すことができ、Matusalemの答えに展開するにはは訓練された。このケースでは、Apple has made available for downloadがあらかじめ用意されたResNet50 Core MLモデルを使用しているようです。

ImageNetは、ImageNetまたはILSVRC2012と一般に呼ばれるImageNet Large Scale Visual Recognition Challenge 2012データセットで訓練されています。そのデータセットは、2012年の競技の後に畳み込みニューラルネットワークの設計のベンチマークとなりました。それは、ラベルhereの完全なリストで、画像で識別することができるものの1000のカテゴリを持っています。 「地球儀」はそれらの中にはないので、ネットワークは訓練されたものに最も近い一致するカテゴリを提供します。

グローブを以前に見たことがない、あるいは「グローブ」という言葉にさらされたことがないと、あなたはそのグローブを識別できますか？これらのネットワークは、驚くほど一般化することができますが、分類したいカテゴリのカテゴリがない場合でも、必要な結果を提供することはできません。

ImageNetデータセットは興味深い出発点ですが、おそらく実際の使用には最適ではありません。それは犬の200の品種のような何かで、しかし人間のないクラスの奇妙な分布を持っています。ネットワークを事前にトレーニングしてから、そのネットワークを特定のデータセットに絞り込むためにトランスファーラーニングを使用しても、独自のアプリケーション固有のネットワークを訓練する必要があります。それはまったく別の話題です。