iOS Tips

TuriCreate + CoreML实践

2018-07-10  本文已影响0人  乐天派大星晴

机器学习？深度学习？作为一个已经毕业几年，已经把大多数相关知识都还给老师的人来说，要实际应用这些知识到工作中，还是相当有难度的。但是！我们毕竟是iOS开发啊，有Apple罩着我们，Apple在2017年的WWDC上就给了我们一个机器学习框架Core ML，且还在不断更新完善中，今年已经升级到Core ML 2了。

coreML

本文就将详细介绍如何训练、集成从而识别物品，且实际落地到产品之中。也就是是主要演示图像分类的问题。

[toc]

第一部分：训练模型

选什么框架？

首先是选什么框架来来训练模型呢？ 通用主流的有Keras、Caffe、TensorFlow等。既然是要集成到iOS App中，显然首选的是Apple自家的框架，Turi Create。

XCode 10上，有新的Create ML框架，可在playground上可视化训练结果。由于本人主力机器还是XCode 9, <del>对swift不熟悉</del> , 因此不采用，且Turi Create更灵活。大家也可以试试这个新框架。

如果是考虑多个平台，或者对其他训练模型更有经验，可以选择其他的，Apple也提供了工具来转换成iOS所需的mlmodel, 也就是coremltools，可转的为:

如果是TensorFlow则需要使用 tfcoreml 来转换。

Apple对于开发者来说，还是很周到，友好的。

选什么素材？

训练素材方面，Turi Create的要求并不严格，.JPEG和PNG都支持，不过为了识别的更准确些，建议素材的选择上要多一些跟实际应用场景接近的图片。本文的例子将是识别手边的实物，分别是路飞手办、索隆手办、WallE、严选运动水杯以及普通的杯子。所以在训练素材方面，walleE、杯子会全部使用Google图片，路飞、索隆会使用Google的图片以及部分iPhone实拍图片(为了试验贴近实际使用场景)，严选运动水杯则全部采用线上的商品评价图来进行训练。

这里是作为例子来演示各种素材来源的效果，杯子和运动水杯之间也有交集并不是严格的不同分类，仅作效果展示，如果实际应用，建议还是更好的分类，使用更合理的训练集。

以下是部分WallE的训练图：

wallE训练图 wallE训练图 wallE训练图 wallE训练图 wallE训练图 wallE训练图

本文中使用的训练集数量为5个分类各20张，数量上是偏少的。训练素材上，需放在各自文件夹内，并将整个文件夹命名为mydataset，如图放置即可：

mydataset示意图

这里大家会发现还有一个other的文件夹，具体原因后文中会再介绍。

怎么训练？

环境搭建

因为TuriCreate是个python库，所以首先需要安装的是python, 这个在Mac OS上已经自带了，以下的安装和各类操作，都将以Mac上使用为例，Windows稍微修改下即可。然后需要安装turicreate，

pip install -U turicreate

即可。TuriCreate依赖很多其他库，依赖库又依赖其他的库，所以直接安装可能会与当前的各种已安装包出现冲突，错误。这里使用viertualenv来安装会方便很多，创建一个虚拟环境，可以直接安装，详细操作可见TuriCreate文档里的Installation部分。
安装后如图：

viertualenv安装示意图

然后在训练集目录下新建一个turi.py 的文件，用IDE打开，然后就可以开动了！

数据导入

turi.py：

#0 导入需要的库
import turicreate as tc
import os

#1. 导入之前放的图片文件夹mydataset
data = tc.image_analysis.load_images('mydataset', with_path=True)

#2. 用python的lambda来提取标签(文件夹名字)
data['name'] = data['path'].apply(lambda path: os.path.basename(os.path.dirname(path)))

#3. 保存下sframe
data.save('mydataset.sframe')

#4. turicreate的可视化
data.explore()
data.show()

这里展示的为图像分类问题，因此#1使用的是image_analysis。SFrame是一种可伸缩表格数据，详细定义可可参考github - SFrame。

运行后可能会报warning ,这报错也就是之前提到的，TuriCreate支持的是JPEG和PNG格式，其他不支持。

Unsupported image format. Supported formats are JPEG and PNG     file: /Users/Chen/Downloads/testml/mydataset/.DS_Store

然后由#4步骤中的操作，会将数据进行可视化.

有时候explore会卡在loading过程中，可参见此issue, show()可正常使用。

模型训练

在同一个目录中，可新建一个turi_train.py，并上一个过程中保存的mydataset.sframe来进行训练。具体代码如下：
turi_train.py：

import turicreate as tc

# 1. 导入之前生成的sframe文件
data = tc.SFrame('mydataset.sframe')

# 2. 分0.8的数据作为训练样本，0.2的作为测试样本
train_data, test_data = data.random_split(0.8)

# 3. 生成模型
model = tc.image_classifier.create(train_data,  target='name')

# 4. 测试样本数据
predictions = model.predict(test_data)

# 5. 计算样本数据的精确性
metrics = model.evaluate(test_data)
print(metrics['accuracy'])

# 6. 保存model
model.save('mydataset.model')

# 7. 导出成mlmodel，以便coreML使用
model.export_coreml('mydataset.mlmodel')

其中#2的操作是为了验证我们训练出来的模型的可信度，以80%的数据来训练，剩下的作为验证样本来看看训练的数据质量怎么样。

会输出类似这样的log：

训练结果的log

需要注意的是，每次训练的结果并不相同，尤其是验证的数据，可能为100%，也可能为80%，跟随机到的结果有关，仅供参考。

最后一行的0.95为样本测试正确率。可以通过打印predictions和test_data['name']来进行对比。

['cup', 'cup', 'cup', 'cup', 'cup', 'luffy', 'luffy', 'other', 'other', 'other', 'other', 'sportcup', 'sportcup', 'sportcup', 'sportcup', 'sportcup', 'sportcup', 'walle', 'walle', 'walle', 'walle', 'walle', 'walle', 'walle', 'walle', 'zoro', 'zoro', 'zoro', 'zoro', 'zoro', 'zoro', 'zoro', 'zoro']

['cup', 'cup', 'cup', 'cup', 'cup', 'luffy', 'luffy', 'other', 'other', 'other', 'other', 'sportcup', 'sportcup', 'sportcup', 'sportcup', 'sportcup', 'sportcup', 'walle', 'walle', 'walle', 'walle', 'walle', 'walle', 'luffy', 'luffy', 'zoro', 'luffy', 'luffy', 'luffy', 'zoro', 'luffy', 'zoro', 'zoro']

这个跟上一个0.95的结果非同一次训练

两者一对比，即可找到错误的判断为哪些，为了更加直观的看到具体是哪些图片出现了误识别，可打印：
print test_data[test_data['name'] != predictions]['path']
然后再使用turicreate.img来预览图片就可以自动打开错误的图片，来看是哪几种图片有问题，以及猜测可能原因。代码如下：

    print test_data[test_data['name'] != predictions]['path']
    wrongResults = test_data[test_data['name'] != predictions]['path']
    for index in range(len(wrongResults)):
        img = tc.Image(test_data[test_data['name'] != predictions]['path'][index])
        img.show()

查询后发现本应该属于WallE的图：


WallE测试图

被误识别成了luffy-路飞。可能是跟这张训练样本混淆了(以及另外3张路飞的图，也都有大面积蓝色背景)：

路飞训练图

可以看出这张图的元素是比较复杂的，样本可能还需要更多些。

第二部分：模型集成(iOS)

模型导入

真正到XCode是集成使用的，只有turi_train.py中导出的mydataset.mlmodel（94.2MB）。拖动文件到项目中即可：

XCode导入

这一步会自动生成OC的Mydataset.h和Mydataset.m文件。

如果需要生成swift格式的文件，则可在 项目 - BuildSetting - 点击All - 搜索 coreml，会看到选项 CoreML Model Class Generation Language，修改即可。

模型使用

在你想要使用的源文件中，先引入库：

#import <CoreML/CoreML.h>
#import <Vision/Vision.h>
#import "Mydataset.h"

关键类为VNCoreMLModel，VNCoreMLRequest，VNImageRequestHandler。核心在于用VNCoreMLModel来构建VNCoreMLRequest，方法为：
- (instancetype)initWithModel:(VNCoreMLModel *)model completionHandler:(VNRequestCompletionHandler)completionHandler，
然后在completeHandler里获取request分类的结果数组，根据结果里匹配率最高的来当作识别结果。具体代码如下：

Mydataset *resnetModel = [[Mydataset alloc] init];
VNCoreMLModel *vnCoreModel = [VNCoreMLModel modelForMLModel:resnetModel.model error:nil];

VNCoreMLRequest *vnCoreMlRequest = [[VNCoreMLRequest alloc] initWithModel:vnCoreModel completionHandler:^(VNRequest * _Nonnull request, NSError * _Nullable error) {
    CGFloat confidence = 0.0f;
    VNClassificationObservation *tempClassification = nil;
    for (VNClassificationObservation *classification in request.results) {
        if (classification.confidence > confidence) {
        //取最大概率的模型
            confidence = classification.confidence;
            tempClassification = classification;
        }
    }
    NSLog(@"识别结果:%@,匹配率:%@",tempClassification.identifier,@(tempClassification.confidence));
  }];

//这里的image为输入图片
VNImageRequestHandler *vnImageRequestHandler = [[VNImageRequestHandler alloc] initWithCGImage:image.CGImage options:nil];

NSError *error = nil;
[vnImageRequestHandler performRequests:@[vnCoreMlRequest] error:&error];

if (error) {
    NSLog(@"%@",error.localizedDescription);
}

这部分代码对于iOS开发来说，还是比较简单易懂的。基本的识别到这一步也就可以了。很神奇，只要这么一点点的代码和一个导入的模型，我们就完成了机器学习的工作，Apple对于开发者实在是友好。

使用效果

实时性：

到上一步为止，基本的步骤已经完成了 ，但既然开头说了，要达到能实际使用的程度，那就需要再进行一些完善了。先得试试实时性怎么样，因此采用摄像头实时获取图片，实时辨别来试试效果。这部分和机器学习关系不大，因此略过详细过程，核心方法为- (void)captureOutput:(AVCaptureOutput *)output didOutputSampleBuffer:(CMSampleBufferRef)sampleBuffer fromConnection:(AVCaptureConnection *)connection，

使用的queue要注意下，更新的时候也要注意切回主线程

在这个回调里，先把图片摆正，这样能提高准确率。[connection setVideoOrientation:AVCaptureVideoOrientationPortrait];然后根据sampleBuffer获取图片即可。

实际效果下图：

效果演示

图不动的话，戳这里。

这里在末尾也演示了前面提到的other这个分类，其实这个分类存在的目的，就是为了增加分类器的健壮性，可参加这个issue。如果只训练两个分类A和B，那么分类器A和B的概率相加为1，假设新物体非常不像A，那么有可能显示的B的概率为1，造成误判，other这个分类的意义就在于摊平这里的概率，当然对于other里训练的图片选择，感觉是个大学问，目前我只是随意的放了些非目标分类的图片。

准确性

做了那么多的步骤，直接看图就知道效果了：

效果演示1 效果演示2

图不动的话，戳这里。

总体来说，目标物对的稍微准点，95+%的识别率还是有的，超过了我的预期，可应用到实际中。

包的大小

前文提到过，导出的包为94.2MB，这对于一个iOS App来说，实在是有点太大了。贴心的Apple当然也给了解决方法，那就是替换卷积神经网络CNN，CNN的主要目的是 提取图片的特征值。替换的地方在turi_train.py的第三步：

# 3. 生成模型
model = tc.image_classifier.create(train_data,  target='name')

这里还有一个参数，model，改成

model = tc.image_classifier.create(train_data, target='name',model='squeezenet_v1.1')

也就是把model的CNN指定为squeezenet_v1.1（默认的为resnet-50）。当然这里还可以设置其他的参数，比如最大迭代次数等。这样导出的mlmodel一下子就变成了5MB左右，小了非常的多！当然，这也牺牲了一定的精度。具体对比，Apple已经列了对比：

CNN模型对比

而Apple官网提供的“从1000种类别的对象中检测出图像中的主体”的训练集当中，从大到小依次为

至于如何在精度和包大小取舍就看自己的选择了。

在线下载、更新包

一个包离线打在项目里，既更新不了，又导致每个用户的包都变大了，这显然不是一个好的实践。Apple提供了一个新的API，+ (NSURL *)compileModelAtURL:(NSURL *)modelURL error:(NSError * _Nullable *)error;，使用方法也很简单，下载数据，放到沙盒里，然后compile即可。需要注意的是，这个方法较为耗时，不要放在主线程。

这样包大小的问题也算一定程度上解决了。

存在的问题

读文章最怕介绍的都是各种优点的文章，显然，作为这么个工具，还是需要提出我在这整个过程中遇到的问题：

第三部分：What's More?

目标跟踪

目标跟踪

Turi Create这个工具能做到的远不止图像分类，还有目标追踪，推荐系统，相似图片，文字识别等等。其中目标跟踪跟本实践较为接近，这个可以继续叠加训练数据的维度来实现。需要增加的工作为，需要标记每一张训练图的目标物方框坐标，数据格式为：

[{'coordinates': {'height': 104, 'width': 110, 'x': 115, 'y': 216}, 'label': 'ball'}, {'coordinates': {'height': 106, 'width': 110, 'x': 188, 'y': 254}, 'label': 'ball'}, {'coordinates': {'height': 164, 'width': 131, 'x': 374, 'y': 169}, 'label': 'cup'}]
其他步骤跟前文提到的基本一致。具体可以大家自己尝试。介绍在官网github上。

Android使用

本文中通过TuriCreate生成的数据为mlmodel，仅供iOS使用，可通过开源工具MMdnn来转换为Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx这些模型，从而供其他方来使用。

@张云龙：

也可以只用训练素材图片，然后用 tensorflow-for-poets-2 来训练，得到 retrained_graph.pb 和 retrained_labels.txt 集成到Android中。

执行脚本

export ARCHITECTURE="Mobilenet_0.75_224"
export CUSTOM_TRAIN_PICS="trainpics"
python -m scripts.retrain \
      --bottleneck_dir=tf_files/bottlenecks \
      --how_many_training_steps=500 \
      --model_dir=tf_files/models/ \
      --summaries_dir=tf_files/training_summaries/"${ARCHITECTURE}" \
      --output_graph=tf_files/retrained_graph.pb \
      --output_labels=tf_files/retrained_labels.txt \
      --architecture="${ARCHITECTURE}" \
      --image_dir=tf_files/"${CUSTOM_TRAIN_PICS}"

算法学习

本文是一篇应用型的文章，基本没有介绍真正的机器学习的知识。这部分还是很有必要深入了解下的，这两个感觉介绍的不错，可推荐：

谷歌 - 机器学习速成课程

知乎专栏 - 卷积神经网络（CNN）入门讲解

第四部分：参考文章

上一篇 下一篇

猜你喜欢

热点阅读