iOS11--ML机器学习VGG16图像分类模型的简单使用

最近有时间玩下苹果新出的CoreML框架,这个框架的作用是可以将训练好的模型用在app中,只要简单的几行代码就能集成,非常的简单和方便。
1、首先去官网下载xcode9beta版本记得系统版本需要10.12.5及以上不然安装不了xcode9。
2、然后就是去ML官网下载VGG16图像分类模型。
3、新建一个工程,将下载好的模型文件导入工程中。
4、简单应用
4.1、VGG16模型的初始化

VGG16 *model = [[VGG16 alloc] init];```

4.2、VGG16Input的初始化(用来输入需要分类的图片)

UIImage *scaledImage = [image scaleToSize:CGSizeMake(224, 224)];
CVPixelBufferRef buffer = [image pixelBufferFromCGImage:scaledImage];
VGG16Input *input = [[VGG16Input alloc] initWithImage:buffer];


4.3、使用VGG16模型来判断输入图片的类型

VGG16Output *output = [model predictionFromFeatures:input error:&error];

NSLog(@"----output ====%@",output.classLabelProbs);

我拿了几张图片进行测试,发现准确率还是蛮高的,不过用了识别人物貌似不太行,优先会被识别图片中物体。这样就能集成到应用了去了,是不是特别的简单。注意上面有两个方法是UIImage添加分类方法
  • (UIImage)scaleToSize:(CGSize)size {
    UIGraphicsBeginImageContext(size);
    [selfdrawInRect:CGRectMake(0,0, size.width, size.height)];
    UIImage
    scaledImage =UIGraphicsGetImageFromCurrentImageContext();
    UIGraphicsEndImageContext();
    returnscaledImage;
    }

  • (CVPixelBufferRef)pixelBufferFromCGImage:(UIImage)originImage {
    CGImageRefimage = originImage.CGImage;
    NSDictionary
    options = [NSDictionarydictionaryWithObjectsAndKeys:
    [NSNumbernumberWithBool:YES],kCVPixelBufferCGImageCompatibilityKey,
    [NSNumbernumberWithBool:YES],kCVPixelBufferCGBitmapContextCompatibilityKey,
    nil];
    CVPixelBufferRefpxbuffer =NULL;
    CGFloatframeWidth =CGImageGetWidth(image);
    CGFloatframeHeight =CGImageGetHeight(image);
    CVReturnstatus =CVPixelBufferCreate(kCFAllocatorDefault,
    frameWidth,
    frameHeight,
    kCVPixelFormatType_32ARGB,
    (__bridgeCFDictionaryRef) options,
    &pxbuffer);
    NSParameterAssert(status ==kCVReturnSuccess&& pxbuffer !=NULL);
    CVPixelBufferLockBaseAddress(pxbuffer,0);
    void*pxdata =CVPixelBufferGetBaseAddress(pxbuffer);
    NSParameterAssert(pxdata !=NULL);
    CGColorSpaceRefrgbColorSpace =CGColorSpaceCreateDeviceRGB();
    CGContextRefcontext =CGBitmapContextCreate(pxdata,
    frameWidth,
    frameHeight,
    8,
    CVPixelBufferGetBytesPerRow(pxbuffer),
    rgbColorSpace,
    (CGBitmapInfo)kCGImageAlphaNoneSkipFirst);
    NSParameterAssert(context);
    CGContextConcatCTM(context,CGAffineTransformIdentity);
    CGContextDrawImage(context,CGRectMake(0,
    0,
    frameWidth,
    frameHeight),
    image);
    CGColorSpaceRelease(rgbColorSpace);
    CGContextRelease(context);
    CVPixelBufferUnlockBaseAddress(pxbuffer,0);
    returnpxbuffer;
    }

**5、另外还可以使用其他训练好的模型,可以通过苹果的的转化工具转为改框架支持的格式**
**6蛋筒的事情是如果模型文件太大了,打包的app也会很大,模型文件500多m,打包后也有500m.
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343

推荐阅读更多精彩内容