XcodeのコンソールにはPythonだと日本語出力できない？

ずっとPython 3を使うのにXcodeを使ってるんだけど、これまで日本語出力はしてなかったのよ。
いや出力しようとするとうまくいかなくて調べるのも面倒だから日本語は使わなかった、ってだけだったんだな。
今まではそれで事足りてたんだけどさ。

最近、Pythonでスクレイピングとかやってんのよ。そしたらどうしても日本語を扱うわけで、その時にエラーが出てしまい困ってるんだわ。

ネットで調べてもPython 2ならともかく3ならそれほど悩まなくても良さそうなもんだけど、、、

print("テスト")
例えば↑このPythonのコードをXcodeから動かすと、、、

print("\u30c6\u30b9\u30c8")
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)
↑エラーになる。encodeだのunicodeだのいろいろと試してみたがコンソールに日本語が表示されることはなかった。



↑でもターミナルからだと動く。

きっとXcodeになんかあるんかな？ってことであきらめた。



Python 3.5.2 :: Anaconda 4.1.1 (x86_64)
Xcode 8.3 （今はXcode 9 beta 3を使ってるけど正式版からずっとこの調子）

iOS 11のARKit使ったdemo動画を作ってみた

久々にiMovie使って編集なんぞをしてYouTubeに動画をアップしてみた。



↑iOS 11のARKitを使った動画なんだけど、細かいことはまだbeta版なので差し控えておくとして、関係なさそうなところに関して言うと、、、

ARKitを使って得た平面の下や周囲に見えないような床や壁のオブジェクトを作って置いてる。
Switchの箱とAMRSのパッケージはBlenderでdaeファイルを作成、Xcode側に持って来てSceneKitで物理エンジン用の設定もして世界に発生させてる。
ARKit面白いねえ〜

部屋のテーブルにコインを大量発生させたところを撮影できるようなアプリでも作ろうかな、とか思ってみたけどコインが小さいせいか物理エンジンによる挙動がおかしくてボツ。なんかいいアイデアねえかなあ。



iOS 11 beta 3
Xcode 9 beta 3

SceneKitのライトの明るさを設定するのにはまった

SceneKitにSCNLightってのがあってそのプロパティのintensityを変えればライトの明るさを変更できると思ってたんだけど、、、何だかうまくいかなくてしばし悩んだ。

やろうとしたのは最初は真っ暗で、あるタイミングでライトを点灯する、ってだけ。
最初に
spotLight.light.intensity = 0.0;

として、ライトを点けるところで
spotLight.light.intensity = 1000.0;

とかすりゃいけそうやん？ところがこれが意図通りにならない。

いろいろと調べたけど直接の原因はよくわからなかった。
ただ、最初の値を0にしちゃうとその後いくら値を設定しようがダメで、最初の値を1.0とかにしとくと変更することができた。



memo
Xcode 8.3.1

機械学習で人体頭部の姿勢を得る(4)

機械学習で人体頭部の姿勢を得る(3)
↑の続き。全然あかん、こうなったらヤケクソや！何がなんでもデータセットに含まれる顔の種類を増やすんやあ！ってことでなんとか楽に増やす方法を検討した。

今まではMakeHumanで出力したdaeファイル及びテクスチャ画像をBlenderで再設定してdaeファイルを出力、それをXcodeに持ってきて使ってた。Blenderで設定するのが面倒だったので、以前はあきらめたBlenderを介さない方法を再検討。

1) MakeHumanでのdae出力のオプションでBone orientationをLocal=Globalってのに変更、OrientationはY up, face Z（デフォ）で出力。
2) SceneKitではScene assetsのSettingsでAlways use the Y-up axisのチェックを外す

この状態だとテクスチャが設定されていないのでそこはコードでやる。
髪形や眉毛の形もdaeファイル内の文字列を調べれば設定すべきpngファイルはわかる。

そんなわけでMHでランダムに顔を作成、できたデータから差し替えていった。最終的には140種類の顔でそれぞれ1,000枚で14万のデータセットとなった。
そしてぶん回した。175kあたりで跳ね上がってるあたりからできたデータから順に差し替えてる。



↑データ差し替えからでもざっくり700時間くらい動かしてる。
その結果がこちら。↓

機械学習で頭部の姿勢を得ようとしてかなりぶん回したけどやっぱ微妙。 pic.twitter.com/pIKf4PtgaG

— Tatsuya (@yt) 2017年6月20日

微妙だ。汎用性を求めるならやはり相当工夫してデータセットを作成する必要があるのか、、、

さらに、iPhone 7 Plusのフロントカメラで自分の顔の姿勢を把握できるか試してみたのが下の動画。むしろこれだけでもできれば、と思ってたが、やっぱり微妙。普通の光源、背景だとグタグタでそれっぽく動く状態にして撮影してこれだからなあ、、、

機械学習で頭部の姿勢を得る。iPhoneのフロントカメラで自分の顔画像でやってみたけどやっぱり微妙。 pic.twitter.com/Vm3JKC0RcR

— Tatsuya (@yt) 2017年6月20日

こういうのができたら自分専用モーションキャプチャーとか作れんじゃね？と思っていたけど、、、

今後はNNの構成を変更するとかカラー化するとかそもそものデータセットに工夫するとか色々手はあるかもしれないけど、機械学習は時間がかかるなあ。さて、どうするかな。



なお、iOSでのMetal Performance Shaderで推論するのに1画像あたり13〜21msec程度なので60FPSは微妙かもしれないけど1秒に数コマなんてことでもない感じ。今は実装してないけどカメラからの画像をMetal（GPU）使って欲しいサイズのデータを得てそのままMPSへ渡せばもっと早くできるんだろうな。



memo
iOS 10.3.2
MakeHuman 1.1.0
Python 3.5.2 :: Anaconda 4.1.1 (x86_64)
TensorFlow 1.0 ← ええかげんアップデートせにゃ！

機械学習で人体頭部の姿勢を得る(3)

機械学習で人体頭部の姿勢を得る(2)
↑この続き。
もう一つうまくいかないのはもしかして教師データが甘かったんじゃなかろうか？と。
例えば正面をゼロとして-15°から+15°までの画像をランダムに作成してデータセットを作成した場合、+45°の画像を入力とした時に正解を推論できるのか？そりゃ無理なんじゃ、、、？

そんなわけで従来より大きく動くようにしてデータセットを作成してみた。
データ数で30,000。従来の100,000は”穏やかな”データに加えて合計130,000個。
これで最初からやった方がいいのかよくわからないので、従来の続きでぶん回してみた。



↑そりゃ、そうなるわなってくらい損失関数の値が跳ね上がった。ここから学習していくのか？って思ってたんだが、なんとか学習は進んでるみたい。

ところが、テキトウな画像に対して推論すると相変わらずよろしくない結果に。こりゃダメだ、、、