Core MLモデルの使用

モデルを構築したり、モデルを簡単に変換するツールや、すぐに使用できるCore MLモデルのダウンロードについてご紹介します。

ツールとサービス

Xcode 10、Turi Create、IBM Watson Servicesを使用して、独自のCore MLモデルを簡単に構築する方法についてご確認ください。

Xcode 10

新しいCreate MLフレームワークを使用すると、XcodeのPlaygroundで直接モデルを構築し、トレーニングすることができます。Appに使用しているものと同じSwift言語を使用することで、機械学習コードのトレーニング、テスト、改良のワークフローを大幅に高速化することができます。

Xcodeについてさらに詳しく

Turi Create

Turi Createで、独自の機械学習モデルを構築できます。機械学習の専門家でなくても、リコメンデーションシステム、物体検知、画像分類、類似画像検索、アクティビティ分類などの機能をAppに組み込むことができます。

Turi Createを入手する(英語)

IBM Watson Services

Watson Services for Core MLを使用すると、強力なWatsonの機能にiPhoneやiPadから直接アクセスするAppを簡単に構築できます。AppでWatson Servicesを利用すれば、画像を迅速に分析し、ビジュアルコンテンツを正確に分類して、モデルを簡単にトレーニングすることができます。

Watson Servicesについてさらに詳しく(英語)

モデルコンバータ

各種ツールを使用して、様々な形式の機械学習モデルをトレーニングし、Core MLのモデル形式に簡単に変換することができます。

Core ML Tools

このPythonパッケージを使用すると、各種の機械学習ツールで作成されたモデルをCore MLの形式に変換できます。

Core ML Toolsを入手する(英語)

Apache MXNet

機械学習モデルをトレーニングして、Core ML形式に変換できます。

MXNetモデルコンバータを入手する(英語)

TensorFlow

機械学習モデルをトレーニングして、Core MLのモデル形式に簡単に変換できます。

TensorFlowモデルコンバータを入手する(英語)

ONNX

作成したONNXのモデルをCore MLのモデル形式に変換できます。

ONNXモデルコンバータを入手する(英語)

Core MLモデルのダウンロード

すぐに使用できるCore MLモデルを活用して、インテリジェントな機能をAppに組み込みましょう。

MobileNet

MobileNetsは、軽量で深いニューラルネットワークを構築するためのDepth-wise separable convolutionsを含む、合理化されたアーキテクチャを基盤にしています。木、動物、食べ物、乗り物、人々など、1000のカテゴリセットからから画像に存在する主なオブジェクトを検出します。

オリジナルのモデルの詳細を見る(英語)

Core MLモデルをダウンロードする(英語)

SqueezeNet

木、動物、食べ物、乗り物、人々など、1000のカテゴリセットから画像に存在する主なオブジェクトを検出します。全体のサイズがわずか5 MBであるにもかかわらず、SqueezeNetはAlexNetと同等の正確さで機能します。ただし、パラメータの量は50分の1となっています。

オリジナルのモデルの詳細を見る(英語)

Core MLモデルをダウンロードする(英語)

Places205-GoogLeNet

空港のターミナル、寝室、森林、海岸など、205のカテゴリから画像のシーンを検出します。

オリジナルのモデルの詳細を見る(英語)

Core MLモデルをダウンロードする(英語)

ResNet50

木、動物、食べ物、乗り物、人々など、1000のカテゴリセットから画像に存在する主なオブジェクトを検出します。

オリジナルのモデルの詳細を見る(英語)

Core MLモデルをダウンロードする(英語)

Inception v3

木、動物、食べ物、乗り物、人々など、1000のカテゴリセットからから画像に存在する主なオブジェクトを検出します。

オリジナルのモデルの詳細を見る(英語)

Core MLモデルをダウンロードする(英語)

VGG16

木、動物、食べ物、乗り物、人々など、1000のカテゴリセットからから画像に存在する主なオブジェクトを検出します。

オリジナルのモデルの詳細を見る(英語)

Core MLモデルをダウンロードする(英語)