 |
Facebook#1(調査)| 外部サイト |
|
|
HOME > 人工知能「Swift-Ai」
Swiftで簡単に利用可能な人工知能「Swift-Ai」
人工知能といえば今話題になっているAlphaGoの囲碁で世界チャンピオンの世界最強棋士イ・セドルさんとの戦い。 人工知能が最初の三連勝は衝撃的というか悔しいというか、それでもセドルさんはそのAlphaGoを負かしたりと 壮絶な戦いでした。ここででてくる人工知能ですがGoogleのDeepLeaningを利用した、つまり恐らくですがTensorFlowを 利用していたのではと思われます。
TensorFlowはまだiOS対応していないので人工知能をモバイルで扱うのはまだ先かなと 思っていましたが、Swift-AIという機械学習ライブラリが早速開発されているようで、ニュートラルネットワークや 行列による高速処理等がすでにできるという記事を見つけました。これは試してみる価値ありです！すでに 日本語で解説しているサイト様がありましたが、改めて自分の手で調査してみます。
参考：Swiftで書かれた人工知能・機械学習ライブラリ「Swift-AI」をiOSで動かしてみるAdd Star
参考：collinhundley/Swift-AI
参考：A.I. and machine learning library written in Swift
参考：グーグルが4億ドルで買収をしたロンドンの人工知能スタートアップ、DeepMind。
やってみた
上記サイトにはサンプルを実行している画面がありましたので、同じように何個かトライしてみます。GithubからソースコードをDLします。
グラフを変えるとその状態に近づいてくるサンプル。生きてるみたい。オーガニックな動きをして人工知能な感じがします
描いた手文字を認識してくれるサンプル。まだ精度は低そうではありますが、Swiftサラリーマンの顔を描いても 類似した数値を出してくれました。人口知能がどんな反応をするかっていうのも面白いですね
入力文字を手書き文字で出力してくれるサンプル。これは手書きで既にDB化されたデータを出力しているのかな？
カスタマイズ
さてまだ人工知能が理解をちゃんとしていない自分にしてはソースをみても理解できないと思うのですが、一度中身をみてみます。 最初のトライとしては日本語のサイトにもあった手書き認識の箇所のソースを見てみます。
どうやらSwift-AIですが現時点(2016年３月)、
フィードフォワードニューラルネットワーク
まずは日本語サイト（shu223さんのはてなライブラリ）を 見本に、手書き文字を数字に認識している例のサンプルがどう動いているかを検証です。
<- これの検証
ソースコードは、、、HandwritingViewController.swiftからみてみましょう
サンプルにあるように以下のソースコードがviewDidLoadにありました。最初にこれを使ってニュートラルネットワークを用意します
override func viewDidLoad() {
super.viewDidLoad()
let url = NSBundle.mainBundle().URLForResource("handwriting-ffnn", withExtension: nil)!
self.network = FFNN.fromFile(url)
self.handwritingView.startPauseButton.addTarget(self, action: "startPause", forControlEvents: .TouchUpInside)
self.handwritingView.clearButton.addTarget(self, action: "resetTapped", forControlEvents: .TouchUpInside)
self.handwritingView.infoButton.addTarget(self, action: "infoTapped", forControlEvents: .TouchUpInside)
}
はて、、、、このhandwriting-ffnnを読み込んでいるようですが、何なのでしょうか。
ファイルサイズも5.7MBのファイル。でかい。こちらが恐らくですがFFNN(ニュートラルネットワークの記憶しているデータなのではと思います),恐らく このサイズが大きくなって経験をつむのでは？と思いました。中は1~10の定義っぽいデータと、それをリンクしているような経験値情報的なものが多数。試しに、、、このファイルを空にしたらもしかしてアホになるのかな、、、、試してみます。
色々やっていると、、、なんだかうまく部分的に削除できなかったので、cp /dev/null で該当ファイルを0バイトにして実行すると、 nullエクセプションでエラー。まぁ、、そうなるかな。経験の部分だけを消して頭が悪くしたかったのですが、時間がきたので断念です。明日は続きから、、、
(2016年3月21日) 仕切り直しで進めます。アホにするために上記のファイルをイジるのは今回は後回しでまずは正規な利用方法を確認します
見本のサイトのように進めていくとHandwritingの手描き認識のページで「手書き文字がどの数字かを判断しているタイミング」は手書きが終わってからタイマー処理でscanImageという以下関数が呼ばれています。その中で以前TensorFlowを読んでいて学んでいたのですが、文字の画像データであっても[配列]で保存するようです、 Excelの行と列で保存するような数学の行列なのでしょうか。
以下、scanImage関数でピクセル部分を配列に保存している箇所です
private func scanImage() -> [Float]? {
var pixelsArray = [Float]()
guard let image = self.handwritingView.canvas.image else {
return nil
}
// Extract drawing from canvas and remove surrounding whitespace
let croppedImage = self.cropImage(image, toRect: self.boundingBox!)
// Scale character to max 20px in either dimension
let scaledImage = self.scaleImageToSize(croppedImage, maxLength: 20)
// Center character in 28x28 white box
let character = self.addBorderToImage(scaledImage)
self.handwritingView.imageView.image = character
let pixelData = CGDataProviderCopyData(CGImageGetDataProvider(character.CGImage))
let data: UnsafePointer = CFDataGetBytePtr(pixelData)
let bytesPerRow = CGImageGetBytesPerRow(character.CGImage)
let bytesPerPixel = (CGImageGetBitsPerPixel(character.CGImage) / 8)
var position = 0
for _ in 0..<Int(character.size.height) {
for _ in 0..<Int(character.size.width) {
let alpha = Float(data[position + 3])
pixelsArray.append(alpha / 255)
position += bytesPerPixel
}
if position % bytesPerRow != 0 {
position += (bytesPerRow - (position % bytesPerRow))
}
}
return pixelsArray
}
こちらですが正直ややこしいです。手書きの画像をバイナリ化してそれをpixcel配列に変換して出力しています。 僕が思うに大事なのは最終的に出力する配列を出力する形を覚えることが、機械学習への一歩なのではと考えています。(画像を処理できる数値として保存する)
以下のような感じではないでしょうか？
右図の黄色マスの部分が色味や色相があれば大きな値になるだけです。
画像を「配列として捉える」という基本的な処理をわかっていないと ハマって行きそうに感じていました。僕は正直最初よくわかっていませんでした、、、、これをすることで機械に画像を効率よく覚えさせる(データとして) 事ができるといった流れなのかと思います。ちなみにGoogleの人工知能TensorFlowであればこちらのページに英語で説明がされています。 手書き数字の認識処理(MINST)が、簡単な雰囲気で記載されているのですが私には最初意味が全くわかっていませんでしたが、やはり配列で保存している ことが書かれています。
さて文字を判断するのはupdate関数というもので実施しているようです
private func classifyImage() {
// Extract and resize image from drawing canvas
guard let imageArray = self.scanImage() else {
self.clearCanvas()
return
}
do {
let output = try self.network.update(inputs: imageArray)
if let (label, confidence) = self.outputToLabel(output) {
self.updateOutputLabels("\(label)", confidence: "\((confidence * 100).toString(decimalPlaces: 2))%")
} else {
self.handwritingView.outputLabel.text = "Error"
}
} catch {
print(error)
}
// Clear the canvas
self.clearCanvas()
}
networkオブジェクトのデータ型は最初に宣言したFFNNクラスです。そのupdateに先ほどのバイト配列を入れて更新すると、、、、
Printing description of output:
▿ 10 elements
- [0] : 4.29226e-08
- [1] : 6.6781e-06
- [2] : 0.0671169 { ... }
- [3] : 0.786305 { ... }
- [4] : 3.03404e-07 { ... }
- [5] : 3.8179e-06 { ... }
- [6] : 3.36246e-10 { ... }
- [7] : 4.32692e-07 { ... }
- [8] : 3.47046e-05 { ... }
- [9] : 0.000136177 { ... }
上記のようなそれぞれの数字に対する確率がかえってきます。↑の場合は 3を描いて、その３が78%の確率で合致しているとの結果の数値になります。以下のような感じ
以上より、このサンプルの手書きサンプルを使うだけであればFFNNクラスを宣言して、そこにバイト配列を入れてupdateする、 だけで認識率がかえってくるようになります。ただ数字で０~9の判断のみですので、それ以外を検証したい(カスタマイズしたい)場合はどうやってやるのでしょうか。 そこまで理解できないと機械学習ニュートラルネットワークを学ぶ意味が無いので、次回は自作して顔認識処理をトライしてみようと思います！そこまで 今やると時間が足りないとのひとまず今日はここまでです。
まとめ
機械学習に関して少しずつですが理解をほんのりとだけですができてきた気がします。。。関係のある本サイトの以下記事もよろしければどうぞ
参考：Swiftサラリーマン: DeepLearningが気になって
(おまけ)行列ってなんだ？と勉強している中でお世話になったサイトです。分かりやすい〜。流石東大生のサイト様です。 おもしろおかしく理解されているからこそ賢いのかなととても関心致しました。。。その中でいつも行と列で混乱していた僕の中では目からうろこの画像がありました、、、
これ有名な教え方なんですよねキット、、、、これ知らなかったのでいままで何度もうーんと考えていたので感謝感謝です。。。
↓こんな記事もありますよ！
 2021-05-14 14:21:41 | WatchOSのwatchconnectivityのFiletransferの落とし穴。と、避け方。
AppleWatch 実機だと成功するんだけど、シュミレーターだと失敗するという、、、
昔作成してた時は成功してたのになーと思って調べると、どうやら昔は成功してたみたい。watchOS6以降は... |
 2021-05-06 14:04:37 | LINEのアニメーションスタンプ制作の落とし穴、、、失敗談
ゴールデンウィークにLINEスタンプを作成してみました。
作り切って申請も通したんですが、意図したアニメーションと違う、、、、
LINEクリエーターの画面だと、アニメーションのプレビュー... |
 2021-05-01 18:05:35 | 久しぶりのAdmobをobjective-cに実装。コンパイルエラーだらけ。バーミッション不具合でエミュレータにインスコできない。
忘れないようにメモ
エミュレータにアプリをインストールする際にパーミッション系のエラーがでた時、また、iphone実機にインストールする際にも権限系のエラーが出る場合。
ターゲット→ex... |
Tweet
|
|||
| |||
