Slide 1
Slide 1 text
WWDC2018
で
グッときたアレ
Mobile Act NAGOYA #12
Slide 2
Slide 2 text
自己紹介
@temoki /
小林 友樹
Fenrir Inc. / PL, iOS Engineer
Slide 3
Slide 3 text
Mobile Act NAGOYA #11
今年の開発者イベントで僕がグッときたポイント
Facebook F8 Oculus Go
Google I/O Daydream
に関する VR180
Slide 4
Slide 4 text
実はもう一つ
グッときたものが...
Slide 5
Slide 5 text
WWDC 2018
Platforms State of the Union
以降、iOS, macOS, Xcode
のベータ版について
Apple
が公開している情報の範囲での話となります。
Slide 6
Slide 6 text
Transfer Learning
こそ
僕が望んでいたもの
Slide 7
Slide 7 text
試すにはデータが必要...
Slide 8
Slide 8 text
あった
Slide 9
Slide 9 text
Hello Goodbye
オフィスに設置した iPad
に顔を見せるだけで、
社内の勤怠システムで出社/
退社できるアプリ
名古屋ß
メンバーで開発して社内で広く利用されている
顔領域の検出には CoreImage
の CIDetector
使用
顔認識（誰の顔？）は Amazon Rekognition
使用
支社メンバーの毎日の顔データがログに残っている
Slide 10
Slide 10 text
No content
Slide 11
Slide 11 text
データ
メンバー7
名で約1,400
枚（約1
年間）
メンバーごとに約200
枚
学習データとテストデータで半分ずつ
Slide 12
Slide 12 text
学習
Xcode Playground
上で 3
行書く
import CreateMLUI
let builder = MLImageClassifierBuilder()
builder.showInLiveView()
Live View
にデータをドラッグ＆ドロップするだけ
データ約700
枚を25
秒で学習完了 (0.035
秒/
枚)
Slide 13
Slide 13 text
試験
学習したモデルを使ってテストデータを試験
これも Live View
にドラック＆ドロップするだけ
データ約700
枚を43
秒で試験完了 （0.061
秒/
枚）
Slide 14
Slide 14 text
学習したモデル
CoreML
の mlmodel
として保存可能
Vision Framework
等に組み込んで利用できる
今回のものは 130KB
（小さい ）
このサイズならアプリサイズも気にならない！
後からモデルの差し替えもしやすい？
Slide 15
Slide 15 text
リアルタイム顔認識デモ
は懇親会で....
Slide 16
Slide 16 text
まとめ
誰でも独自のモデルがとても簡単に作成できる
データを集めることに注力できる
モデルサイズもとってもポータブル
Machine Learning
が完全に民主化した