25、利用 CoreML 打造更智能的应用及健康数据追踪

利用 CoreML 打造更智能的应用及健康数据追踪

1. 利用 Vision 与 CoreML 实现图像分类

1.1 Vision 与 CoreML 的结合

对于像检测人脸轮廓或眼睛精确位置这样复杂的任务，代码其实相当简单。只需设置一个处理程序和一个请求，然后让处理程序执行一个或多个请求，这意味着可以在单张图像上运行多个请求。Vision 框架不仅能实现此类计算机视觉任务，还与 CoreML 紧密集成。下面通过在增强现实图库应用中添加图像分类器，来看看它们的集成程度。

1.2 实现图像分类器

有一个名为 ImageAnalyzer 的应用，它使用图像选择器让用户从照片库中选择图像，作为要实现的图像分类器的输入。若要添加图像分类器，需要一个能对图像进行分类的 CoreML 模型。在苹果的机器学习网站（https://developer.apple.com/machine - learning/build - run - models/）上有多个可用于图像分类的模型，其中 MobileNet 模型是一个出色的轻量级模型，可以从该网站下载。下载后，将模型拖入 Xcode 并添加到 ImageAnalyzer 项目中，确保将其添加到应用目标，以便 Xcode 为模型生成类接口。

添加模型到 Xcode 后，可以打开它查看模型评估参数，这些参数会告知模型期望的输入和输出类型。以 MobileNet 为例，输入应为宽度和高度均为 224 点的图像。

生成模型后，使用该模型的代码与之前使用 Vision 检测面部特征的代码非常相似，最大的区别在于使用的请求类型是特殊的 VNCoreMLRequest，这种请求需要传入要使用的