13、探索Core ML与自然语言处理在iOS开发中的应用

探索Core ML与自然语言处理在iOS开发中的应用

1. Core ML场景分类

1.1 问题提出

在某些图像中，人物同时佩戴了护林员帽子和太阳镜，需要判断这是徒步旅行场景还是海滩场景。应用的目标是在图像中的人物头上绘制适合场景的配饰，当前应用同时绘制了两种配饰，需要进行修正。

1.2 Core ML模型介绍

本应用使用Places205 - GoogLeNet模型，该模型尝试将图像场景的背景分类为205种地点之一，如灯塔、冰屋、鞋店、火车站台等。此模型已包含在项目中，文件名为GoogLeNetPlaces.mlmodel。

模型结构如下：
- 模型元数据 ：最重要的值是模型类型，为神经网络分类器。分类器会查看输入并分配标签，在本案例中，神经网络评估图像并返回位置描述。此外，Core ML还支持树集成、支持向量机和管道模型。
- 模型评估参数 ：
- 输入 ：sceneImage，是一个224x224的RGB图像，Vision会自动调整输入图像以适应模型所需的大小。
- 输出 ：
- sceneLabel：分类标签，是最可能的场景类型，为字符串。
- sceneLabelProbs：一个字典，列出了图像属于每个已知场景的概率。由于机器学习存在不精确性，某些图像可能难以分类，图像可能有多个概率相近的标签，或者所有标签的概率都很低，因此最可能的sceneLabel可能只是噪声。

1.3 使用模型