当前，使用人工神经网络的程序越来越流行，与此相关的是，有大量的技术可以简化与它们相关的工作。本文将介绍通过引入此类技术来实现该应用程序的一种可能方法。我们的应用程序将做什么？
识别手的两个位置-拳头和手掌。并根据它更改应用程序界面元素。
我们需要什么？
为了训练我们的神经网络，我们将使用Keras库，我们将使用Swift编程语言实现该接口，对于捆绑软件，我们将使用在WWDC'17上展示的Apple框架与机器学习技术CoreML一起使用。让我们从我们的人工神经网络模型及其训练开始
由于我们使用图像形式的数据，因此我们需要一个卷积基础。Keras框架包括许多预先训练的imageNet卷积模型，例如：Xception，ResNet50，MobileNetV2，DenseNet，NASNet，InceptionV3，VGG16，VGG19等。我们的项目将使用VGG16模型，它看起来像这样：
让我们创建它：
数据预处理。在将数据传输到网络之前，必须将其转换为具有实数的张量。当前，数据以图像形式存储，因此需要按照以下步骤准备它们以传输到网络：- 读取图像文件；
- 将图像从.PNG，.JPG格式解码为RGB像素表；
- 将它们转换为具有实数的张量；
- 标准化值。
我们还将使用数据扩展来防止对网络进行重新训练并提高其准确性。
然后，我们设置要训练的模型，使用模型生成器运行它并保存它。
我们训练了我们的网络，但是.h5扩展名不适合解决我们的问题。因此，我们应该将其转换为CoreML可接受的视图，即.mlmodel格式。为此，请安装coremltools：$ pip install --upgrade coremltools
然后我们转换模型：
我们正在编写一个应用程序
我们进入Xcode，创建一个应用程序，首先授予使用相机的权限。为此，请转到info.plist并将以下行添加到XML：
之后，请转到ViewController.swift文件。
接下来，配置cameraInput和cameraOutput，将它们添加到会话中并运行它以获取数据流。
之前，我们添加了滞后方法AVCaptureVideoDataOutputSampleBufferDelegate，该方法在从摄像机接收到的每个新帧中都会调用。现在，我们在其中设置请求并执行它。
在此方法中，我们连接了WristModel.mlmodel模型，该模型已转移到我们的项目中：
我们还检查其连接并根据系数异步更改正方形的位置。但是，如果没有对进入网络的图像进行初步处理，我们的应用程序将无法
运行，因此我们添加了它：运行应用程序：
Hurray，我们设法使用手势创建了对应用程序界面的控制。现在，您可以在iOS应用程序中充分利用ANN的潜力。感谢您的关注！资料和文献清单
1）keras.io2）apple.imtqy.com/coremltools3）habr.com/en/company/mobileup/blog/3325004）developer.apple.com/documentation/coreml