下記URLにアクセスして、 Get Started
ボタンをクリックします。
https://teachablemachine.withgoogle.com/
Image Project
をクリックします。他にも音声を学習させたり、骨格を学習させるプロジェクトもあります。
学習画面に遷移しました。画面はとてもシンプルで左側から学習させたいモデルを登録する箇所、実際にモデルを学習する箇所、最後に学習したものを評価する箇所があります。
学習したいものを準備してください。Class名を学習させたい名前に変えます。今回は自分を学習させたいので、Class名を「がおまる」としました。Webcamボタンをクリックして学習する準備をします。
Webカメラが無いPCをお持ちの方はUploadでもデータを登録することが可能です。今回はWebカメラがある前提です。
Hold to Record
ボタンを押しっぱなしにすることで学習データを作成することが可能です。Webカメラに映ったものをどんどんと記録していきます。首を傾けたり、様々な角度を試したりして学習データを溜め込んでいきます。
Classが1つだけだと学習させることができませんので、近くにあったボールペンを学習させてみました。他にも身近にあるものを学習させてみましょう。複数登録できたら、 Train Model
ボタンをクリックします。
Train Model
ボタンをクリックすると、学習がスタートします。バーが端まで到達すると学習完了します。
学習が終わると、プレビュー画面で結果を確認することができます。リアルタイムでカメラに写ったものを判定します。
学習したモデルを他のシステムでも使えます。右上にある Export Model
ボタンをクリックします。
ポップアップが表示されるので、「Tensorflow.js」タブをクリックして、その右側にある Upload my model
をクリックします。
アップロードが完了するとURLが発行されるので[Copy]ボタンをクリックしてメモしておきます。
LINE DeveloperページへアクセスしてLINEログインしてください。 https://developers.line.biz/ja/
まだプロバイダー設定してない方はお好きな名前でプロバイダー名を設定してください。
新規チャネルをクリックします。
Messaging APIをクリックします。
各種項目を埋めていきます。
①チャネル名 | 機械学習Bot |
②チャネル説明 | 機械学習Bot |
③大業種 | 個人 |
④小業種 | 個人(その他) |
⑤メールアドレス | ご自身のメールアドレスを入力 |
2つチェックを入れて、[作成]ボタンをクリックします。
[同意する]ボタンをクリックします。
作成された「機械学習Bot」チャネルをクリックします。
下の方にスクロールすると「チャネルシークレット」という部分があるので、その値をメモしておきます。
作成したBotと友だちになっておきます。QRコードを読み取って友だちになります。
[追加]ボタンをクリックします。
下の方にスクロールすると「チャネルアクセストークン」という部分があるので、[発行]ボタンをクリックして、アクセストークンを発行します。発行されたトークンは後ほど使うので、メモしておきます。
Botの応答メッセージを無効にしたいので設定を行います。[編集]部分をクリックします。
詳細設定にある応答メッセージとWebhookの設定を行います。設定したら、[Messaging API設定]をクリックします。
応答メッセージ | オフ |
Webhook | オン |
enebularのURLコピーします。末尾に linebot
と追記して貼り付けて[保存]ボタンをクリックします。
以上でLINE Botの設定は完了です。
右上のメニューから 「パレットの管理」 をクリックします。
「ノードを追加」タブをクリックして、検索窓に teachable
で絞り込みます。 [ノードを追加]ボタンをクリックして node-red-contrib-teachable-machine
を追加してください。
続いてLINEにメッセージを送るノードを追加します。検索窓に line-messaging-api
と入力して絞り込みます。 [ノードを追加]ボタンをクリックして node-red-contrib-line-messaging-api
を追加してください。
ネットワークカテゴリにある http in
ノードをドラッグ&ドロップしてください。ノードをダブルクリックして、プロパティ画面を開き、下記項目を設定してください。設定したら完了ボタンを押して閉じてください。
メソッド | POST |
URL |
|
機能カテゴリにある function
ノードをドラッグ&ドロップします。httpノードと functionノードを線で繋いでから、ダブルクリックでプロパティ画面を開いてください。コード部分を編集します。
下記コードをコピペしてください。
const messageID = msg.payload.events[0].message.id;
const replyToken = msg.payload.events[0].replyToken;
msg.messageID = messageID;
msg.replyToken = replyToken;
return msg;
ネットワークカテゴリにある http request
ノードをドラッグ&ドロップします。 functionノードと http requestノードを線で繋ぎます。プロパティ画面の設定は下記項目を設定します。
URL |
|
認証を使用 | チェック入れる |
種別 | Bearer認証 |
トークン | step2-4で発行したアクセストークンを貼り付ける |
出力形式 | バイナリバッファ |
分析カテゴリにある teachable machine
ノードをドラッグ&ドロップします。 http requestノードと teachable machineノードを線で繋ぎます。プロパティは下記項目を設定します。
Url | Step1-7でメモしたTeachable MachineモデルのURLを貼り付ける |
Image | チェックを入れる |
機能カテゴリにある function
ノードをドラッグ&ドロップして、Teachable Machineノードと繋ぎます。
下記コードをコピペしてください。
const className = msg.payload[0].class;
msg.payload = {};
msg.payload.events = [
{
"type": "message",
"replyToken": msg.replyToken,
"message": {
"type": "text",
"text": `これは、「${className}」かな?`
}
}
];
return msg;
LINEカテゴリにある ReplayMessage
ノードをドラッグ&ドロップして、 functionノードと繋ぎます。プロパティは下記設定を行います。
Secret | Step2-2の値を貼り付ける |
Access Token | Step2-4で発行した値を貼り付ける |
画面上部にある[デプロイ]ボタンをクリックしてデプロイしてください。
LINEアプリから友だちになったLINE Botを開いて、学習したものを投稿してみましょう。判定結果が返ってきます。色んなものを学習させて結果が返ってくることを確認しましょう!
Node-RED画面にも結果が可視化される。
GUI画面でポチポチするだけで簡単に学習モデルデータが作成できました。新たなClassを学習させたらエクスポートして、再度 Upload my model
して、 発行されたTeachable MachineのモデルURLを貼り付けて再度デプロイしてみてください。