Core ML iOS 11 无法正确识别图像答案

【问题标题】：Core ML iOS 11 not recognizing images properlyCore ML iOS 11 无法正确识别图像
【发布时间】：2017-12-07 10:48:54
【问题描述】：

我尝试了最近在 iOS 中引入的 Core ML 来识别和分类图像。问题是，它没有为发送的图像提供正确的结果。

如果我发送地球图像（Globe），它会给我这个类作为气泡。下面是我使用的代码，

            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)")
            }

是否可以在现有 Core ML 模型之上使用自定义用例训练模型？（例如 Resnet50）

【问题讨论】：

IN 除了接受的答案之外，还有一件事要记住 - 在 CoreML 中，如果没有应用程序更新，就无法更新经过训练的模型。我丢失了一个关于 CoreML 不是的博客的链接，但我找到了一个很好的资源，可以使用 CoreML 工具作为这个 repo 的自述文件：github.com/hollance/YOLO-CoreML-MPSNNGraph/blob/master/…

标签： swift image-recognition ios11 coreml

【解决方案1】：

为了扩展 Matusalem 的答案，当使用图像分类网络时，您只能在它所针对的一个类中获得结果。在这种情况下，您似乎正在使用 Apple has made available for download 的预训练 ResNet50 Core ML 模型。

该图像分类网络与您将在其中找到的许多其他网络一样，已经在 ImageNet 大规模视觉识别挑战赛 2012 数据集（通常称为 ImageNet 或 ILSVRC2012）上进行了训练。该数据集在 2012 年竞赛之后成为卷积神经网络设计的基准，因此您会发现许多使用它的预训练网络。它有 1000 种可以在图像中识别的事物类别，以及标签 here 的完整列表。您会注意到“地球”不在其中，因此该网络将提供与其训练过的最接近的匹配类别。

如果您以前从未见过地球仪，甚至没有接触过“地球仪”这个词，您能认出其中的一个吗？这些网络可以以令人惊讶的方式进行概括，但如果它们甚至没有您想要分类的类别，它们将无法提供您想要的结果。

ImageNet 数据集是一个有趣的起点，但可能不是最适合实际使用的。它的类别分布很奇怪，大约有 200 种狗，但没有人类。它可能是预训练网络的一个很好的起点，然后使用迁移学习将该网络细化为您的特定数据集，但您很可能希望训练自己的特定于应用程序的网络。那完全是另一个话题了。

【讨论】：

布拉德，出于某种原因，你的回答总是让我微笑！

【解决方案2】：

Core ML 只能用于对已经训练好的模型进行推理。您将不得不使用其他一些工具来训练您的模型，然后使用 Core ML 工具将其转换为 Core ML。您可以在文档中找到支持的第三方机器学习工具和格式：

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

【讨论】：

那么就没有办法训练现有的机器学习模型了吗？
不使用 Core ML。 Core ML 只能使用现有的训练模型。它是一种用于设备推理的快速框架。