开发者学习Core ML做什么

1 CV领域里面两大研究方向:

1 Detection
2 Tracking
两大方向的核心(基础)技术:ML->machine learning

2 Training and Testing

machine learning的几个关键元素:

1 样本(训练的数据, 可以是公开的, 也可以是自己标注的)
2 特征提取算法(可以无限研究的所在)
3 训练算法(相对比较稳定, 成熟)
4 模型(训练好的东西, 可以直接用来检测)

误区

1 不一定训练用的数据越多就越好, 特征提取和算法也至关重要
2 ML是一个很高深的东西.

3 ML的应用(不仅限于CV)

1 AlphaGo
2 声音识别
3 天气预报

4 什么是模型

- (NSString *)getNameBy:(CGFloat)height weight:(CGFloat)weight age:(int)age gender:(BOOL)male salary:(int)salary {
    if (height > 175 && salary < 10) {
        if (age < 18) {
            return @"huafeng";
        } else {
            return @"pengwei";
        }
    } else if (salary > 20 && height >170) {
        if (male) {
            return @"weiyan";
        } else {
            return @"lidan";
        }
    }
    return @"kaihao";
}

上面的方法根据输入返回一个名字, 里面有一堆复杂的判断和逻辑, 但是对于调用者来说, 是不关心里面的具体逻辑的, 这个方法实现对于调用者来说就是黑盒, 可以理解为一个模型. 通过ML训练得到的模型要比这个方法复杂很多, 里面可能涉及概率统计的知识, 但对于使用者模型就是一个黑盒.

5 Vison 与 Core ML 的关系

Vision 是 Apple 在 WWDC 2017 推出的图像识别框架.
Core ML 是 Apple 在 WWDC 2017 推出的机器学习框架.

Vision可以认为是苹果对一些常用模型的封装, 比如人脸检测, 文字检测等.

5 开发者能做什么

使用Vision或者其它更加成熟稳定的模型做应用:
用训练好的K线模型预测股票走势
用训练好的人脸识别模型给他加个帽子, 表情
用训练好的文章推荐模型给用户推送喜欢的新闻或者文章