右も左もわからない
とはよく言ったもので、うちの子、「みぎ」 と 「ひだり」 が怪しい。
100%の確信持ってない。100どころか50も怪しい。
わからないと困る
例えば道を歩いていて、「車が来たから左に寄って！」が通じない、なんなら右に行かれる可能性がある。
恐怖でしかない。早急に手を打たねばならない。
そこで、Teachable Machine先生に登場していただきました。
できたやつ
自主トレできる環境を作った
「右左の教え方」などというものは様々ありますが、やはり楽しく学んでいただくのが一番です。
親から「右はどっち？左は？」などとプレッシャーをかけられながらではなく、
自分の動作から答えが出てきたほうが楽しいんじゃないでしょうか。
どう作るか
-
Teachable Machineの「画像プロジェクト」で、みぎ、ひだり動作モデルを作成する
-
動作モデルをブラウザで読み込み、推論〜判定できるWebアプリを作成する
-
音を出して結果をフィードバックする
-
楽しんで みぎ、ひだり を習得できる
1.モデルを作る
新規モデルの選択
Teachable Machineにアクセスし、「新しいプロジェクト」から「画像」 → 「標準の画像モデル」を選択します。
クラスの定義
左右の判定用に、「right」「left」のクラスを定義します。
クラスを追加して、動いていないじょうｔの判定用に「stay」、オマケ機能として「none」のクラスを定義します。
データの登録
「ウェブカメラ」→「長押しして録画」で学習データを作っていきます。
- right ： 右に動く
- left ： 左に動く
- stay ： 中央でじっとする
- none ： 画面から隠れる
できたら「トレーニング」を押して、モデルを作成します。
想定通りの動きになるまで、トライ＆エラーでがんばりましょう。
撮影時の背景は単色、影の出ない環境が望ましいです。
2.Webアプリにする
See the Pen RaiseYourHand by mitoreterusuki (@mitoreterusuki) on CodePen.
JavaScript コード例
// 作成したモデルのURL
const imageModelURL = '作成したモデルのURLを挿入';
// メインの関数（ここでは定義しているだけでボタンクリックされたら実行）
async function start() {
// カメラからの映像ストリーム取得
const stream = await navigator.mediaDevices.getUserMedia({
audio: false,
video: true,
});
// 「id="webcam"」となっているパーツ（videoタグ）を取得
const video = document.getElementById('webcam');
// videoにカメラ映像ストリームをセット
video.srcObject = stream;
// Googleのサーバーにアップロードした自作モデルを読み込みにいきます
const classifier = ml5.imageClassifier(imageModelURL + 'model.json', video, () => {
// 読み込みが完了次第ここが実行されます
console.log('モデルの読み込みが完了しました');
});
// 音楽を再生する関数（右）
function playAudioRight() {
var audio = new Audio("https://docci.netlify.app/right.mp3");
audio.play();
}
// 音楽を再生する関数（左）
function playAudioLeft() {
var audio = new Audio("https://docci.netlify.app/left.mp3");
audio.play();
}
// 音楽を再生する関数（不在）
function playAudioNone() {
var audio = new Audio("https://docci.netlify.app/inai.mp3");
audio.play();
}
// 繰り返し処理
function loop() {
// 推論を実行し、エラーがあればerrに、結果をresultsに格納して、
// 推論が完了次第 { } の中身を実行します
classifier.classify(async (err, results) => {
// 結果のresultsは配列ですが、先頭に中身があれば以下の処理を実行します
if (results[0]) {
console.log(results[0].label); // コンソール表示
document.getElementById("result").textContent = results[0].label;
// resultsが"left"の場合、左のMP3を再生します
if (results[0].label === "left") {
playAudioLeft();
}
// resultsが"right"の場合、右のMP3を再生します
if (results[0].label === "right") {
playAudioRight();
}
// resultsが"none"の場合、いないのMP3を再生します
if (results[0].label === "none") {
playAudioNone();
}
}
// 推論終了3秒後に自分の関数を実行（ループになる）
setTimeout(loop, 3000);
});
}
// 最初の繰り返し処理を実行
loop();
}
script.js の冒頭部分で、作成したTeachable Machineのモデルを読み込んでいます。
// 作成したモデルのURL
const imageModelURL = 'https://teachablemachine.withgoogle.com/models/abc123/';
音声はaudioタグで指定し、モデルの判定結果に応じて再生する音声を変更します。
// resultsが"none"の場合、いないのMP3を再生します
if (results[0].label === "none") {
playAudioNone();
}
// 音楽を再生する関数（不在）
function playAudioNone() {
var audio = new Audio("https://docci.netlify.app/inai.mp3");
audio.play();
}
3.音声ファイルを作る
フリー素材のちょうどいい音声が見当たらなかったので、GarageBandで自作しました。
Windowsの方はGoogle先生に作り方を聞いてみてください。
4.アップロード
Netlifyを使って、Webアプリとして公開しましょう。
おわりに
身体の動き（上体を左右に倒す、手を挙げる）で判定できるモデルが望ましかったのですが
なかなか難しく、試行錯誤の結果「デコラピカチュウ」に助けてもらいました。
簡単そうで奥が深いTeachable Machine、ぜひお試しください！