coremltools 4.0でPyTorchモデルを変換する - Qiita
Core ML 4（iOS 14）に合わせて、coremltools 4.0がリリースされた。coremltools 4.0の目玉となるアップデートが、PyTorchモデルがONNXを経由することなく直接Core MLモデルに変換できるようになった点。 New converter path to directly convert PyTorch models without going through ONNX. （coremltools 4.0b1のWhat's Newより） ドキュメントも一新され、Examplesのページに"Converting a PyTorch Segmentation Model to Core ML"というセグメンテーションモデルを変換するチュートリアルがあったので、そちらで変換を試してみた。 このモデルを利用すると、iOSやmacOSアプリでこんな感じでセグ
API Diffsから見るiOS 13の新機能 #WWDC19 - Qiita
本日からはじまったWWDC 2019、SwiftUIをはじめ実にワクワクする新機能が盛りだくさんでした。iOS 13のドキュメントが公開されたので、明日からのセッションでどのへんを勉強するかの予習をかねて、気になった新APIをピックアップしておきます。 Vision 人間検出 VNDetectHumanRectanglesRequest 人間を矩形で検出。 ↓はOpenCVを使った結果ですが、こういうのです。 ARKitのpeople segmentationがインパクトありすぎて「矩形で検出」というのは印象薄いですが、「こういうのもあったな」と頭の片隅に置いておくといつか用途があるかもしれません。 文字認識 VNRecognizeTextRequest 文字認識。従来から備えていた文字領域検出ではなく、文字認識、いわゆるOCR的なやつです。 今まで無料で使えるやつだとtesseractと
TensorFlow LiteがGPUをサポートしたらしいのでiOSで試してみた - Qiita
TensorFlow LiteがAndroidやiOSデバイスのGPUをサポートしたようです1。 TensorFlow Lite Now Faster with Mobile GPUs (Developer Preview) バックエンドはAndroidではOpenGL ES 3.1、iOSではMetal。 This new backend leverages: OpenGL ES 3.1 Compute Shaders on Android devices Metal Compute Shaders on iOS devices iPhone 7では最大6倍の高速化が見られたようです。 By leveraging the new GPU backend in the future, inference can be sped up from ~4x on Pixel 3 and Sams
Swiftでブロックチェーンを実装してみる - Qiita
『ブロックチェーンがどのように動いているのか学ぶ最速の方法は作ってみることだ』 『ブロックチェーンとは』みたいな記事を読んで概念はわかったつもりでも、「わかったような気がする」止まりで腹落ち感までは得られず、いつか自分で実装してみたいと思っていました。1 でも難しそうだし、本業とは関係ない（→時間が割けない）ので永遠にやらなそうだなぁ。。と思ってたら、こんな記事を発見。 ブロックチェーンを作ることで学ぶ 〜ブロックチェーンがどのように動いているのか学ぶ最速の方法は作ってみることだ〜 - Qiita なんとグッとくる副題でしょう2。記事の冒頭だけざっと読んだところ、なんか、サッとできそうだぞ・・・！と。実装量でいえば1日もかからなそうです。 Pythonはわからないので、Swiftで書いてみました。 以下、元記事のステップに沿ってSwift実装を載せていきます。引用記法の部分は元記事より引用
iOS / OpenCV 3.0 で画像の特徴点を検出する（AKAZE, SIFT, SURF, ORB） - Qiita
iOS / OpenCV 3.0 で画像の特徴点を検出する（AKAZE, SIFT, SURF, ORB）C++Objective-CiOS画像処理OpenCV 局所特徴量とは / SIFT, SURF 特徴量 下記スライドが超わかりやすかったです。 画像認識の初歩、SIFT,SURF特徴量 で、SIFT (Scale-invariant feature transform)、SURF (Speed-Upped Robust Feature) というのは、拡大縮小・回転・照明変化に強いロバストな特徴量、としてよく知られているようです。 SURF の方が軽量で、その代わり認識精度は SIFT の方が良い、とのこと。 特徴量の用途 複数写真からのパノラマ写真合成 （上述のスライドより） AR のマーカー認識 下記画像はARのマーカー認識とは違いますが、そういう使い方ができそうだ、ということは汲
例の機械学習コースが良いらしいと知りながらも2年間スルーし続けたがやはり良かったという話 - Qiita
先日、オンライン学習サイトCourseraの"Machine Learning"コースを修了しました。これが最高に勉強になったわけですが、機械学習に興味があって情報収集を始めてる人にとって、「Courseraの機械学習コースがおすすめですよ」という話は 「はい、知ってます」 という感じではないでしょうか。 （たとえば、Qiitaで検索してみると、以下のような同コースに関連する超人気記事が出てきます） 数学を避けてきた社会人プログラマが機械学習の勉強を始める際の最短経路 - Qiita 機械学習をゼロから1ヵ月間勉強し続けた結果 - Qiita 僕もそんな感じで、幾度となく人や記事に同コースを薦められたりしつつ、たぶん2年ぐらいスルーし続けてきたと思います。 しかし約2ヶ月前、ひょんなきっかけから本講座を始めてみて、やはり評判通り最高だったと思うと同時に、僕と同じような感じでこのコースが良い
iOSのMetalで畳み込みニューラルネットワーク - MPSCNNを用いた手書き数字認識の実装 - Qiita
MetalでCNNの計算を行うためのAPI群、MPSCNNを用いた手書き数字認識のサンプルを読む、という記事の続きです。 iOS 10でMetal Performance Shadersフレームワークに、CNN（Convolutional Neural Network）演算機能群が追加されました。iOSデバイスのGPUで畳み込みニューラルネットワークの計算をさせることができる、という代物です。 前編ではネットワークの中身には踏み込まず、オーバービューとして利用するアプリケーション側の実装について見ていきました。 後編となる本記事ではいよいよMetal Performance Shadersを用いたCNN（Convolutional Neural Network / 畳み込みニューラルネットワーク）の実装について見ていきます。 なお、CNN自体の解説はここでは省略しますが、概念をざっくり理解
Swiftで書かれたOCRライブラリ「SwiftOCR」をiOS実機で試してみた - Qiita
Tesseractよりも速く、高精度で、CPU負荷は小さく（つまりバッテリー消費も少なく）、メモリも食わない、と良いことづくめ。 READMEに書いてありますが、Connected-component labelingという手法を用いているそうです。 First, SwiftOCR binarizes the input image. Afterwards it extracts the characters of the image using a technique called Connected-component labeling. Finally the seperated characters get converted into numbers which then get feed into the neural network. 別の作業をしていてたまたま見つけたのです
技術書『iOS×BLE Core Bluetooth プログラミング』の紹介 - Qiita
konashi 開発者の松村礼央さんと iOS エンジニアの堤（私）の共著で、「iOS × BLE Core Bluetooth プログラミング」という書籍を執筆させていただきました。 iOS×BLE Core Bluetoothプログラミング タイトルの通り、BLEを利用したiOSアプリ開発の解説書です。 480ページと、技術書としてもかなりのボリュームとなっております。 書籍の概要と著者の紹介 大きく分けて２つのパートにわかれています。 Part1. BLE編 最初のパート、第1章から第3章は、konashiの開発者である松村礼央さんによる執筆で、BLEという通信規格そのものについての解説 となっています。 松村礼央 博士（工学）。karakuri products代表。東京大学先端研特任研究員。在学中は人型ロボットの開発・製造に従事、代表作は「robovie-mR2」。2012年にB
iOSでの動画処理における「回転」「向き」の取り扱いでもう混乱したくない - Qiita
AV Foundation を用いて動画処理を行う（＝カメラ入力をリアルタイムに処理する）プログラムを書いていると、回転・向きの取り扱いで混乱してしまうことが度々あります。 関連しそうなプロパティやら何やらが多すぎてややこしい、となんとなく思ってるけど洗い出してみればそうでもないのかも、とも思うので、ドキュメントに目を通しつつ、コード書いて実機で挙動を確認したりもしつつ、いったん整理みようと思った次第です。 AVCaptureDevice の position による向きの違い AVCaptureDevicePosition には Back と Front があって、要はバックカメラ（背面カメラ）か、フロントカメラか、の違い。 バックカメラの場合は、 return AVCaptureDevice.defaultDeviceWithMediaType(AVMediaTypeVideo) gu
Objective-C → Swift コンバータ3種を比較（Swiftify, iSwift, objc2swift） - Qiita
Objective-C → Swift コンバータ3種を比較（Swiftify, iSwift, objc2swift）Objective-CXcodeiOSSwift Swiftが発表されて以来早2年、なんだかんだと言い訳しつつその後も大量のObjective-Cコードを生産し続けてまいりました。そんなカルマを精算すべく、よく使いまわしているコードはSwift化 しておこう、と思うのですが、どうしても「既に動いているコードを書き直す」というのは、他の緊急性の高いタスクに割りこまれてしまいがち。。 そんなわけで、ObjC → Swiftに 自動変換 してくれるコンバートツールを試してみようと思い立った次第です。 コンバータを探してみる 「確かヤフーさんが昨年コンバータをオープンソースで出してたなー」とググってみると、けっこう他にもいろいろとコンバータや変換方法が見つかりました。
オープンソースになったSwiftをビルドしてみる - Qiita
Swiftがついにオープンソース化されました！自分も何か pull request 送って「Swiftコントリビュータ」を名乗りたいところですが、言語のソースコードを前にしたところでいったい何からはじめてよいものかわからない、けど気分だけでもこの祭りに乗っかりたい、ということでとりあえずビルドしてみることにしました。 README をみると Getting Started のところに色々書いてあります。が、Ubuntuだけで必要な手順とかも混じっているので、OS X でビルドするための最短距離 を探ってみました。 色々試してみて、Swift をビルドするにあたって clone が必須なのは以下のリポジトリ。 $ git clone git@github.com:apple/swift.git swift $ git clone git@github.com:apple/swift-clan
機械学習はじめの一歩に役立つ記事のまとめ - Qiita
「機械学習」というワードになんとなく惹かれつつも、具体的にやりたいことがあるわけでもないので、手を動かすことなくただひたすら「いつかやる」ために解説記事やチュートリアル記事を集める日々を過ごしていたのですが、このままじゃイカン！と Machine Learning Advent Calendar に参加登録してみました。 が、やはり何もしないまま当日を迎えてしまったので、お茶濁しではありますが、せめて「機械学習ってどんな手法やライブラリがあって、どんな応用先があるのか？」というあたりをざっくり把握して最初に何をやるのか方向付けをするためにも、たまりにたまった機械学習系の記事をいったん整理してみようと思います。 機械学習の概要 特定のライブラリや手法の話ではなく、機械学習全般に関する解説。 機械学習チュートリアル@Jubatus Casual Talks 冒頭に、 初めて機械学習を聞いた⼈人
歴代iOSデバイスのGPUまとめ - GPU Family と Metal Feature Sets - Qiita
Metalはハードウェアと密接したAPIなので、「iOS xx以上で利用可能」といったiOSのバージョン以外に、「GPUファミリー」（GPU Family）というハードウェア面からの区分も考慮して利用可否を判断する必要があります。 それらの情報はAppleの公式ページに載ってはいるのですが、あっちこっちのページに散らばっている 1 ので、それらを統合してみました。 各iOSデバイスとGPU Familyの対応 歴代iOSデバイスのGPU（SoC）と、その属するGPU Familyをまとめました。 GPU Familyの欄に"3"とあれば、"iOS GPU family 3"を意味します。 Metal対応デバイス SoC GPU Family Devices
評判のいいiOSアプリ開発のTips ベスト20 - Qiita
『iOSアプリ開発に役立つTips』という Facebook ページをやっておりまして、そこで評判が良かった投稿を 20 個ほど紹介します。（※ Facebook ページの insights にある「クチコミ度」の高いもの） アプリ実行中にコードを修正してそのまま実行中のアプリに反映させる アプリ実行中にコードを修正してそのまま実行中のアプリに反映させることができるXcodeプラグイン。 実機でもシミュレータでも使用可能とのこと。実機での動作検証中に修正して再インストールは時間かかるので、超ありがたいかも。 Injection for Xcode 投稿：2013/2/4 「PCのwebブラウザからiPhoneのカメラロールにアクセスできるようにするアプリ」のしくみ PCのwebブラウザからカメラロールにアクセスできるようにするアプリ。 アプリ側でURLを発行している画面キャプチャがあるので
MIDI over BLE を試してみる（CoreAudioKit） - Qiita
本記事は Bluetooth Low Energy Advent Calendar 2014 の1日目の記事となります。 MIDI over Bluetooth LE とは？ 今までこうだったのが、 MIDI over BLE によって、こうなります。 どういうことかというと、BLEを使ってワイヤレスでMIDIを送受信できる、ということです。 接続してしまえば、普通のMIDI機器と同等に取り扱えます。 iOS 8 で新規追加されたフレームワーク。 iOS Dev Centerで "CoreAudioKit" で検索しても 「No Documents Found」と言われてしまう（2014年12月1日現在）、謎に包まれたフレームワークです。 個々のクラス名で検索するとかろうじていくつかのドキュメントが引っかかってきますが、その中でちょっとでも全容把握に役立ちそうなのは「iOS 8.0 API
Google Maps SDK for iOSの導入手順 - Qiita
アプリ内で Google Maps を使用するための SDK、"Google Maps SDK for iOS" の導入手順です。 公式情報は Google Developers にあります。 1. API Keyを取得 Google APIs Console の Services タブで、Google Maps SDK for iOS を ON にする。 API Access タブで、"Create new iOS key" ボタンをクリック。ポップアップで出てくるウィンドウに、Google Maps SDK for iOSを使用するアプリのBundle identifierを入力する。 2. SDK をプロジェクトに追加 GoogleMaps SDK for iOS をダウンロード Getting the Google Maps SDK for iOS GoogleMaps.frame
ダウンロード可能な Audio Unit 関連のサンプルコード11個 - Qiita
Audio Unit は、iOS の Core Audio においてもっとも低レベル（ハードウェアより）に位置するフレームワークです。そのため低レイテンシを要求されるオーディオ処理機能を提供するアプリに向いています。 「ユニットをつなげて複雑なオーディオ処理を実現する」というしくみ（AUGraph）を持っており、まるでギターのエフェクターをつないで音をつくるようにユニット同士を結合できて、実装していて楽しいフレームワークでもあります。 ただ API は全部 C ベースだし、音を再生するだけでも（AVAudioPlayer 等と比較すると）複雑だったりするので、参考になるサンプルをいろいろと集めてみました。 どの Audio Unit を使用しているか（kAudioUnitSubType_xxxx で判断） どういうサンプルか 最終更新はいつか の観点からまとめています。 使用ユニットの項目
Xcodeプロジェクト内のクラスの依存関係を図示する - Qiita
他人から引き継いだプロジェクトの大まかな全体設計を把握したい場合、規模の大きいライブラリの一部だけ取り出して使用したい場合、複雑になってしまったコードをリファクタリングしたい場合等、プロジェクト内のクラスの依存関係が一望できると有益な場面は多いのではないでしょうか。 objc_depというスクリプトを用いると、下記のように、Xcodeプロジェクト内のクラスの依存関係を示す図をコマンド一発で生成することができます。 このスクリプトの使い方、生成される図の見方等を紹介します。 スクリプトの実行方法 次のURLからダウンロードしてきて解凍すると、objc_dep.py というファイルが入っています。 https://github.com/nst/objc_dep そのスクリプトを適当な場所に置き、ターミナルから次のように実行します。 というコマンドになります。 依存関係図を表示 出力される.do
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Metal逆引きレシピ - Qiita
