WWDC2018でグッときたアレ

WWDC2018 でグッときたアレ Mobile Act NAGOYA #12

自己紹介 @temoki / 小林友樹 Fenrir Inc. / PL, iOS
Engineer

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

実はもう一つグッときたものが...

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。

Transfer Learning こそ僕が望んでいたもの

試すにはデータが必要...

あった

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

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

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)

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）

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？

リアルタイム顔認識デモは懇親会で....

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

WWDC2018でグッときたアレ

WWDC2018でグッときたアレ

Tomoki Kobayashi

More Decks by Tomoki Kobayashi

Other Decks in Programming

Featured

Transcript