深層学習×画像処理×M5Stackでアバターアプリを作る -AIアプリ開発チュートリアル-

こんにちは。

フクロウ大好きエンジニアの”はやぶさ”@Cpp_Learningです。

最近、M5Stack入門したので、色々なアプリを作って楽しんでいます。

また、『深層学習 × 画像処理』も大好きなので、本ブログ（はやぶさの技術ノート）で情報発信しています。

【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで画像処理の基礎（画素操作）から深層学習のCNN設計までカバーした記事です。画像処理にはOpenCVとPythonを使用しました。画像処理入門、深層学習入門、どちらも取り組みたい人におすすめの記事です。...

TensorFlowの学習済みモデルを変換してONNXRuntimeで物体検出こんにちは。コンピュータビジョン(『ロボットの眼』開発)が専門の”はやぶさ”@Cpp_Learningです。前回『ONN...

など

今回は、自分の大好きなものを組み合わて…

『深層学習 × 画像処理 × M5Stack』でアバターアプリを作りました。

深層学習 ✖︎ 画像処理 ✖︎ M5Stack pic.twitter.com/NqAUP63LgG

— はやぶさ (@Cpp_Learning) September 13, 2019

Contents

1 アバターアプリを作るモチベーション
2 アバターアプリの要素技術
3 実践！深層学習×画像処理×M5Stackでアバターアプリ開発
4 深層学習×画像処理×M5Stackによるアバターアプリの改良ポイント
5 AIアプリ開発チュートリアルまとめ
6 おまけ -AIアプリ開発のヒントとメッセージ-
- 6.1 ”くるる”ちゃんが考えたAIアプリのアイデア
- 6.2 メッセージ -本ブログのサポートについて-

アバターアプリを作るモチベーション

我が家には、フクロウの”くるる”ちゃん@kururu_owlが住んでいます。

好奇心旺盛な3歳児の行動は、休日ずーーっと見ていても飽きない(*･ω･)ﾉ♪

あっちへ行ったり、こっちへ飛んだり…普段は大人しいけどスイッチが入るとアクティブに！

はやぶさ

どっちに向かって移動した？隣の部屋かな？

予測不可能な”くるる”ちゃんの行動が可愛らしい！

カメラで撮影した動物の動きに合わせてアバター（イラスト）が動いたら可愛らしいし、ちょっとした行動監視にも使えそうです。

アバターアプリのイメージ

…面白そうなので作ることにしました！以降から開発手順を解説します。

アバターアプリの要素技術

最初に「アバターアプリ」の要素技術を検討します。

「アバターアプリ」の要素技術

カメラ画像からフクロウを検出する技術
フクロウの座標データを送信する技術
アバター（イラスト）を動かす画像処理技術

深層学習による物体検出

❶フクロウ検出については、深層学習による物体検出が使えそうです。

PytorchとMobileNet SSDでリアルタイム物体検出

PyTorchでMobileNet SSDによるリアルタイム物体検出深層学習フレームワークPytorchを使い、ディープラーニングによる物体検出の記事を書きました。物体検出手法にはいくつか種類がありますが、今回はMobileNetベースSSDによる『リアルタイム物体検出』を行いました。...

ChainerCVとYoloでリアルタイム物体検出

ChainerCVとYoloで『カメラ・動画対応！リアルタイム物体検出ソフト』を作るChainerファミリ一つChainerCVのYoloサンプルソースをカメラ・動画に対応できるよう改造した「リアルタイム物体検出ソフト」を開発した。その開発手順を紹介します。...

MXNetで物体検出 -Yolo, SSD, Faster-RCNNモデル対応-

MXNetで『カメラ・動画対応！物体検出ソフト』を作った -Yolo, SSD, Faster-RCNNモデル対応-こんにちは。コンピュータビジョン(『ロボットの眼』開発)が専門の”はやぶさ”@Cpp_Learningです。『深層学習に...

自分の好きな深層学習フレームワークを使えば良いです。

今回は、実験などで扱いやすい易いコードに仕上げた『MXNetの物体検出ソフト』を採用します。

M5StackとPCのUDP通信

❷フクロウの座標データ送信については、以前トライしたUDP通信が使えそうです。

M5StackとスマホのUDP通信

【M5Stack】無線通信でスマホの各センサ値を取得する -加速度・ジャイロ・GPSまるっとGET-M5Stackとスマートフォン（iPhone/Android）を無線通信（UDP）で接続して、スマホの各センサ値（加速度・ジャイロ・GPSなど）を取得する汎用的なアプリを作りました。アプリの使い方やソースコードを公開するので、自由な発想で楽しんでほしいです。...

M5StackとPCのUDP通信

M5Stack（Arduino）とPC（Python）でUDP通信する方法 -雛形ソースコードあり-M5Stack（Arduino）とPC（Python）でUDP通信する雛形ソースコードを公開しました。「深層学習などの負荷が大きい演算はPythonにやらせて、演算結果をM5Stackに送信して、何かを制御する」などの応用アプリを作るときの参考になれば嬉しいです。...

通信環境などを考慮して、通信方式を決めても良いと思います。

今回は「ノートPC ＋ Webカメラで物体検出」⇒「座標データをM5Stackに送信」を実践します。

画像処理によるアニメーション

➌アバター（イラスト）を動かす画像処理については、私の専門分野です。本ブログで「画像処理チュートリアル」をいくつか公開しています。

pyxelでレトロゲームを作ろう Day1 -画像の扱い方-

【Pyxel】Pythonでレトロゲームを作ろう！ Day 1 -画像の扱い方-こんにちは！前回こんな記事を書きました↓ https://cpp-learning.com/object-...

Processingでオリジナルビデオを作ろう

【Processing入門】画像処理プログラミングでプロモーションビデオ作成教育用途やデジタルアートなど様々な用途があるプログラミング言語Processingの入門チュートリアルを作りました。オリジナル動画を作るためのサンプルコードも公開しています。...

M5Stackで画像処理 -静止画の表示から動画作成まで-

M5Stackで画像処理 -静止画の表示から動画作成まで-M5Stackで画像処理をするためのチュートリアル記事を書きました。静止画の表示からオリジナル動画（アニメーション）作成まで説明します。初心者にも優しいソースコード付きの解説です。ご参考までに...

『M5Stackでアニメーションを作成するチュートリアル』も公開しています。

つまり、『深層学習 × 画像処理 × M5Stack』によるアバターアプリを開発するための要素技術は全て、本ブログ（はやぶさの技術ノート）で公開しています(*･ω･)ﾉ♪

開発したいアプリが決まったら、まず最初に”そのアプリ”を実現するための要素技術を検討します。

習得済みの技術で実現できるか？
どの技術を組み合わせれば良いか？
どんな技術を新規に習得する必要があるか？

など、自分のやりたいことを実現するために、多くの技術を習得しましょう！

実践！深層学習×画像処理×M5Stackでアバターアプリ開発

開発するアプリのイメージを再確認します。

アバターアプリのイメージ

『深層学習でフクロウ検出して座標データを送信する”AIアプリ”』

『座標データを受信してアバター（イラスト）を動かす”画像処理アプリ”』

以上の二つのアプリを開発する必要があります。

また、座標データ通信用のネットワークも構築する必要があります。

本記事では、以下のネットワークを構築してアプリの動作確認を行いました。

ホームルータやスマホ（テザリング）などをアクセスポイントとしたネットワークを構築し、UDP通信で座標データをやり取りします。

深層学習で物体検出して座標データを送信する”AIアプリ”

最初に『深層学習でフクロウ検出して座標データ送信する”AIアプリ”』のソースコードを紹介します。

import argparse
import matplotlib.pyplot as plt
from timeit import default_timer as timer
import cv2

import gluoncv as gcv
import mxnet as mx

import json
from socket import socket, AF_INET, SOCK_DGRAM

 # M5Stack address
ADDRESS = "192.168.2.3"
PORT = 5555

# M5Stack window size
WINDOW_W = 320
WINDOW_H = 240

def main():
    parser = argparse.ArgumentParser()
    parser.add_argument('-model', default='ssd_512_mobilenet1.0_voc')
    parser.add_argument('-threshold', type=float, default=0.5)
    parser.add_argument('video')
    args = parser.parse_args()

    # Set threshold
    th = args.threshold

    # Load the webcam handler
    if args.video == "0":
        cap = cv2.VideoCapture(0)
    else:
        cap = cv2.VideoCapture(args.video)
    if not cap.isOpened():
        raise ImportError("Couldn't open video file or webcam.")

    # For UDP
    s = socket(AF_INET, SOCK_DGRAM)

    # Compute aspect ratio of video
    vidw = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
    vidh = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
    vidw = int(vidw)
    vidh = int(vidh)
    print(vidw)
    print(vidh)

    # Load the model
    net = gcv.model_zoo.get_model(args.model, pretrained=True)
    # net = gcv.model_zoo.get_model('yolo3_mobilenet1.0_coco', pretrained=True)
    # net = gcv.model_zoo.get_model('ssd_512_mobilenet1.0_voc', pretrained=True)

    # Time parameter
    accum_time = 0
    curr_fps = 0
    fps = "FPS: ??"
    prev_time = timer()

    frame_count = 1
    while True:
        # Load frame from the camera
        ret, frame = cap.read()
        if ret == False:
            print("Done!")
            return

        # Result image
        result_img = frame.copy()

        # Image pre-processing
        frame = mx.nd.array(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)).astype('uint8')
        rgb_nd, scaled_frame = gcv.data.transforms.presets.ssd.transform_test(frame, short=512, max_size=700)

        # Run frame through network
        class_IDs, scores, bounding_boxes = net(rgb_nd)

        # Convert NDArray to numpy.ndarray
        bounding_boxes = bounding_boxes.asnumpy()
        scores = scores.asnumpy()
        class_IDs = class_IDs.asnumpy()

        # Class name list
        class_names = net.classes

        # Display the result
        for i, bbox in enumerate(bounding_boxes[0]):
            if th < scores[0][i]:
                score = scores[0][i]
                class_id = class_IDs[0][i]
                class_name = class_names[int(class_id)]

                xmin = int(bbox[0])
                ymin = int(bbox[1])
                xmax = int(bbox[2])
                ymax = int(bbox[3])

                # Draw box
                cv2.rectangle(result_img, (xmin, ymin), (xmax, ymax), (0,255,0), 2)

                text = class_name + " " + ('%.2f' % score)
                print(text)

                text_top = (xmin, ymin - 10)
                text_bot = (xmin + 80, ymin + 5)
                text_pos = (xmin + 5, ymin)

                # Draw class and score
                cv2.rectangle(result_img, text_top, text_bot, (255,255,255), -1)
                cv2.putText(result_img, text, text_pos, 
                cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 0, 0), 1)

                # Detected target(bird)
                if class_name == "bird":
                    # M5Stack scale x,y
                    x = str(xmin*WINDOW_W/vidw)
                    y = str(ymin*WINDOW_H/vidh)

                    # JSON
                    data = {'class_name': class_name,
                            'x': x,
                            'y': y}
                    dic = json.dumps(data)
                    print(dic)

                    # Send JSON (class_name, x, y)
                    s.sendto(dic.encode(), (ADDRESS, PORT))
                    # s.sendto(x.encode('utf-8'), (ADDRESS, PORT))
                    # s.sendto(y.encode('utf-8'), (ADDRESS, PORT))
                    # time.sleep(1)
            else:
                # Cut low score
                break

        # Calculate FPS
        curr_time = timer()
        exec_time = curr_time - prev_time
        prev_time = curr_time
        accum_time = accum_time + exec_time
        curr_fps = curr_fps + 1
        if accum_time > 1:
            accum_time = accum_time - 1
            fps = "FPS: " + str(curr_fps)
            curr_fps = 0

        # Draw FPS in top right corner
        cv2.rectangle(result_img, (vidw-50, 0), (vidw, 17), (0, 0, 0), -1)
        cv2.putText(result_img, fps, (vidw-45, 10), 
        cv2.FONT_HERSHEY_SIMPLEX, 0.35, (255, 255, 255), 1)

        # Draw Frame Number in top left corner
        cv2.rectangle(result_img, (0, 0), (50, 17), (0, 0, 0), -1)
        cv2.putText(result_img, str(frame_count), (0, 10), 
        cv2.FONT_HERSHEY_SIMPLEX, 0.35, (255, 255, 255), 1)

        # Output Result
        title = args.model + " Result"
        cv2.imshow(title, result_img)

        # Stop Processing
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

        frame_count += 1

if __name__ == '__main__':
    main()

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

import argparse

import matplotlib.pyplot as plt

from timeit import default_timer as timer

import cv2

import gluoncv as gcv

import mxnet as mx

import json

from socket import socket, AF_INET, SOCK_DGRAM

# M5Stack address

ADDRESS = "192.168.2.3"

PORT = 5555

# M5Stack window size

WINDOW_W = 320

WINDOW_H = 240

def main():

parser = argparse.ArgumentParser()

parser.add_argument('-model', default='ssd_512_mobilenet1.0_voc')

parser.add_argument('-threshold', type=float, default=0.5)

parser.add_argument('video')

args = parser.parse_args()

# Set threshold

th = args.threshold

# Load the webcam handler

if args.video == "0":

cap = cv2.VideoCapture(0)

else:

cap = cv2.VideoCapture(args.video)

if not cap.isOpened():

raise ImportError("Couldn't open video file or webcam.")

# For UDP

s = socket(AF_INET, SOCK_DGRAM)

# Compute aspect ratio of video

vidw = cap.get(cv2.CAP_PROP_FRAME_WIDTH)

vidh = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)

vidw = int(vidw)

vidh = int(vidh)

print(vidw)

print(vidh)

# Load the model

net = gcv.model_zoo.get_model(args.model, pretrained=True)

# net = gcv.model_zoo.get_model('yolo3_mobilenet1.0_coco', pretrained=True)

# net = gcv.model_zoo.get_model('ssd_512_mobilenet1.0_voc', pretrained=True)

# Time parameter

accum_time = 0

curr_fps = 0

fps = "FPS: ??"

prev_time = timer()

frame_count = 1

while True:

# Load frame from the camera

ret, frame = cap.read()

if ret == False:

print("Done!")

return

# Result image

result_img = frame.copy()

# Image pre-processing

frame = mx.nd.array(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)).astype('uint8')

rgb_nd, scaled_frame = gcv.data.transforms.presets.ssd.transform_test(frame, short=512, max_size=700)

# Run frame through network

class_IDs, scores, bounding_boxes = net(rgb_nd)

# Convert NDArray to numpy.ndarray

bounding_boxes = bounding_boxes.asnumpy()

scores = scores.asnumpy()

class_IDs = class_IDs.asnumpy()

# Class name list

class_names = net.classes

# Display the result

for i, bbox in enumerate(bounding_boxes[0]):

if th < scores[0][i]:

score = scores[0][i]

class_id = class_IDs[0][i]

class_name = class_names[int(class_id)]

xmin = int(bbox[0])

ymin = int(bbox[1])

xmax = int(bbox[2])

ymax = int(bbox[3])

# Draw box

cv2.rectangle(result_img, (xmin, ymin), (xmax, ymax), (0,255,0), 2)

text = class_name + " " + ('%.2f' % score)

print(text)

text_top = (xmin, ymin - 10)

text_bot = (xmin + 80, ymin + 5)

text_pos = (xmin + 5, ymin)

# Draw class and score

cv2.rectangle(result_img, text_top, text_bot, (255,255,255), -1)

cv2.putText(result_img, text, text_pos,

cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 0, 0), 1)

# Detected target(bird)

if class_name == "bird":

# M5Stack scale x,y

x = str(xmin*WINDOW_W/vidw)

y = str(ymin*WINDOW_H/vidh)

# JSON

data = {'class_name': class_name,

'x': x,

'y': y}

dic = json.dumps(data)

print(dic)

# Send JSON (class_name, x, y)

s.sendto(dic.encode(), (ADDRESS, PORT))

# s.sendto(x.encode('utf-8'), (ADDRESS, PORT))

# s.sendto(y.encode('utf-8'), (ADDRESS, PORT))

# time.sleep(1)

else:

# Cut low score

break

# Calculate FPS

curr_time = timer()

exec_time = curr_time - prev_time

prev_time = curr_time

accum_time = accum_time + exec_time

curr_fps = curr_fps + 1

if accum_time > 1:

accum_time = accum_time - 1

fps = "FPS: " + str(curr_fps)

curr_fps = 0

# Draw FPS in top right corner

cv2.rectangle(result_img, (vidw-50, 0), (vidw, 17), (0, 0, 0), -1)

cv2.putText(result_img, fps, (vidw-45, 10),

cv2.FONT_HERSHEY_SIMPLEX, 0.35, (255, 255, 255), 1)

# Draw Frame Number in top left corner

cv2.rectangle(result_img, (0, 0), (50, 17), (0, 0, 0), -1)

cv2.putText(result_img, str(frame_count), (0, 10),

cv2.FONT_HERSHEY_SIMPLEX, 0.35, (255, 255, 255), 1)

# Output Result

title = args.model + " Result"

cv2.imshow(title, result_img)

# Stop Processing

if cv2.waitKey(1) & 0xFF == ord('q'):

break

frame_count += 1

if __name__ == '__main__':

main()

既に説明した通りですが、以下の２つの記事で紹介したソースコードを組み合わせて、AIアプリを作成しました。

MXNetで物体検出 -Yolo, SSD, Faster-RCNNモデル対応-

M5StackとPCのUDP通信

「MXNetの物体検出ソフト」をベースに「UDP通信（送信用）コード」を追記しています。

ポイントは以下の通りです。

113～127行目の追記コード

”bird”を検出したときのみM5Stackにx,y座標を送信
M5Stackの画面サイズに合わせてx,y座標をリサイズ
送信データ（クラス名とx,y座標）をJSONフォーマットにひとまとめ
M5Stackのアドレスとポートを指定して送信

座標データを受信してアバター（イラスト）を動かす”画像処理アプリ”

次に『座標データを受信してアバター（イラスト）を動かす”画像処理アプリ”』のソースコードを紹介します。

#include <M5Stack.h>
#include <WiFi.h>
#include <WiFiUdp.h>
#include <ArduinoJson.h>

#define N 1024

const char* ssid     = "yourssid";
const char* password = "yourpassword";
const int port = 5555;

// The udp library class
WiFiUDP udp;

// M5Stack window size
#define WINDOW_W 320
#define WINDOW_H 240

void print_wifi_state(){
	M5.Lcd.clear(BLACK);
  	M5.Lcd.setTextColor(YELLOW);
  	M5.Lcd.setCursor(3, 3);
	M5.Lcd.println("");
	M5.Lcd.println("WiFi connected.");
	M5.Lcd.print("IP address: ");
	M5.Lcd.println(WiFi.localIP());
	M5.Lcd.print("Port: ");
	M5.Lcd.println(port);
}

void setup_wifi(){
	M5.Lcd.setTextColor(RED);
    M5.Lcd.setTextSize(2);
    M5.Lcd.setCursor(3, 10);
    M5.Lcd.print("Connecting to ");
    M5.Lcd.println(ssid);

	// setup wifi
    WiFi.mode(WIFI_STA);  // WIFI_AP, WIFI_STA, WIFI_AP_STA or WIFI_OFF
    WiFi.begin(ssid, password);
	// WiFi.begin();

	// Connecting ..
    while (WiFi.status() != WL_CONNECTED) {
        delay(100);
        M5.Lcd.print(".");
    }

	// print state
    print_wifi_state();

    udp.begin(port);
}

void setup() {
	M5.begin();

	M5.Lcd.clear(BLACK);
    M5.Lcd.setTextColor(YELLOW);
	M5.Lcd.setTextSize(2);
    M5.Lcd.setCursor(3, 10);
    setup_wifi();
	M5.Lcd.println("");
	M5.Lcd.setTextColor(GREENYELLOW);
    M5.Lcd.setTextSize(3);
	M5.Lcd.println("Bird Detection.");
}

void loop() {
	char packetBuffer[N];
	int packetSize = udp.parsePacket();
	DynamicJsonDocument doc(N);

	// get packet
	if (packetSize){
		int len = udp.read(packetBuffer, packetSize);
		if (len > 0){
			packetBuffer[len] = '\0'; // end
		}
		// for JSON
		deserializeJson(doc, packetBuffer);
  		JsonObject obj = doc.as<JsonObject>();

		// get param
		String class_name = obj["class_name"];
		uint16_t x = obj["x"];
    	uint16_t y = obj["y"];

		if (x < 0 || WINDOW_W < x){
			x = WINDOW_W/2;
		}
		if (y < 0 || WINDOW_H < y){
			y = WINDOW_H/2;
		}

		// Draw image
		M5.Lcd.clear(BLACK);
		M5.Lcd.drawJpgFile(SD, "/img/kururu.jpg", x, y);
		// Draw info
		M5.Lcd.setTextColor(GREENYELLOW);
		M5.Lcd.setTextSize(2);
		M5.Lcd.setCursor(3, 220);
		M5.Lcd.print("class:");
		M5.Lcd.print(class_name);
		M5.Lcd.print(" x:");
		M5.Lcd.print(x);
		M5.Lcd.print(" y:");
		M5.Lcd.print(y);
	}
}

100

101

102

103

104

105

106

107

108

109

110

111

#include <M5Stack.h>

#include <WiFi.h>

#include <WiFiUdp.h>

#include <ArduinoJson.h>

#define N 1024

const char* ssid = "yourssid";

const char* password = "yourpassword";

const int port = 5555;

// The udp library class

WiFiUDP udp;

// M5Stack window size

#define WINDOW_W 320

#define WINDOW_H 240

void print_wifi_state(){

M5.Lcd.clear(BLACK);

M5.Lcd.setTextColor(YELLOW);

M5.Lcd.setCursor(3, 3);

M5.Lcd.println("");

M5.Lcd.println("WiFi connected.");

M5.Lcd.print("IP address: ");

M5.Lcd.println(WiFi.localIP());

M5.Lcd.print("Port: ");

M5.Lcd.println(port);

}

void setup_wifi(){

M5.Lcd.setTextColor(RED);

M5.Lcd.setTextSize(2);

M5.Lcd.setCursor(3, 10);

M5.Lcd.print("Connecting to ");

M5.Lcd.println(ssid);

// setup wifi

WiFi.mode(WIFI_STA); // WIFI_AP, WIFI_STA, WIFI_AP_STA or WIFI_OFF

WiFi.begin(ssid, password);

// WiFi.begin();

// Connecting ..

while (WiFi.status() != WL_CONNECTED) {

delay(100);

M5.Lcd.print(".");

}

// print state

print_wifi_state();

udp.begin(port);

}

void setup() {

M5.begin();

M5.Lcd.clear(BLACK);

M5.Lcd.setTextColor(YELLOW);

M5.Lcd.setTextSize(2);

M5.Lcd.setCursor(3, 10);

setup_wifi();

M5.Lcd.println("");

M5.Lcd.setTextColor(GREENYELLOW);

M5.Lcd.setTextSize(3);

M5.Lcd.println("Bird Detection.");

}

void loop() {

char packetBuffer[N];

int packetSize = udp.parsePacket();

DynamicJsonDocument doc(N);

// get packet

if (packetSize){

int len = udp.read(packetBuffer, packetSize);

if (len > 0){

packetBuffer[len] = '\0'; // end

}

// for JSON

deserializeJson(doc, packetBuffer);

JsonObject obj = doc.as<JsonObject>();

// get param

String class_name = obj["class_name"];

uint16_t x = obj["x"];

uint16_t y = obj["y"];

if (x < 0 || WINDOW_W < x){

x = WINDOW_W/2;

}

if (y < 0 || WINDOW_H < y){

y = WINDOW_H/2;

}

// Draw image

M5.Lcd.clear(BLACK);

M5.Lcd.drawJpgFile(SD, "/img/kururu.jpg", x, y);

// Draw info

M5.Lcd.setTextColor(GREENYELLOW);

M5.Lcd.setTextSize(2);

M5.Lcd.setCursor(3, 220);

M5.Lcd.print("class:");

M5.Lcd.print(class_name);

M5.Lcd.print(" x:");

M5.Lcd.print(x);

M5.Lcd.print(" y:");

M5.Lcd.print(y);

}

既に説明した通りですが、以下の２つの記事で紹介したソースコードを組み合わせて、画像処理アプリを作成しました。

M5Stackで画像処理 -静止画の表示から動画作成まで-

M5StackとスマホのUDP通信

「M5Stackで画像処理（動画編）のコード」をベースに「UDP通信（JSONフォーマット受信用）コード」を追記しています。

ポイントは以下の通りです。

UDP/JSON/画像処理（アバター描画）について

UDP通信で座標データ（JSONフォーマット）を受信
ArduinoJSONでJSONフォーマットを扱う
受信したx,y座標がM5StackのWindowサイズ（320×240）に収まらない場合は画面の中心座標をx,yに代入
drawJpgFile関数でSDカードに保存したアバター（JPGファイル）をx,y座標を指定して描画
受信データ（クラス名とx,y座標）を画面左下に表示

深層学習×画像処理×M5Stackによるアバターアプリ動作手順

以下の手順で『深層学習×画像処理×M5Stackによるアバターアプリ』を楽しめます。

【アバターアプリ動作手順】

「画像処理アプリ」をインストールしたM5Stackの電源ON
M5Stackが自動でネットワークに接続され、座標データ受信待ちになる
「AIアプリ」をPCから起動する
”くるる”ちゃん（bird）をWebカメラで撮影する
M5Stackに表示されたアバター（イラスト）が”くるる”ちゃんの座標に合わせて移動

実際に”くるる”ちゃんの映像を使い『アバターアプリ』で遊んでみました。

現実世界の”くるる”ちゃんに合わせてアバター（イラスト）が動くの面白し、可愛い！

深層学習×画像処理×M5Stackによるアバターアプリの改良ポイント

本アプリをベースに自分好みのアプリを作ってみましょう！改良ポイント紹介しますね。

ハードウェア選定

今回は「AIアプリ」をノートPC、「画像処理アプリ」をM5Stackで動かしましたが…

「AIアプリ」をJetson Nano、「画像処理アプリ」をRaspberry Pi（ラズパイ）で動かすなど、自分のやりたいことに合わせて、好きなディバイスを使ってください。

組込みAI向けエッジディバイスJetsonシリーズ

NVIDIA® Jetson™ TX2 開発者キット

created by Rinker

菱洋エレクトロ

NVIDIA Jetson Nano 開発キット

created by Rinker

NVIDIA

>> Amazonレビューをチェックする

名刺サイズの汎用PCラズパイのスターターセット

ABOX Raspberry Pi 3 Model b+ ラズベリーパイ 3 b＋ MicroSDHCカード32G/NOOBSシステムプリインストール/カードリーダ /5V/3A スイッチ付電源/高品質HDMIケーブルライン/ヒートシンク /簡単に取り付けケース /日本語取扱説明書/２４ヶ月保証

ABOX

AIアプリ（深層学習による物体検出アプリ）改良

今回は『MXNetの物体検出ソフト』をベースにしました。

本記事で公開している動画では「MobileNetV1-SSDモデル」を使って、物体検出（フクロウ検出）を実現しています。

Model Zoo（モデルの動物園）のObject Detectionカテゴリーで公開しているモデル（Faster-RCNN, YOLO-v3など）も使えるので、処理速度や検出精度を考慮して、目的に合うモデルを使ってください。

また、’bird’以外に‘person’, ‘car’, ‘cat’, ‘dog’なども検出できます。ソースコードの以下の部分を書き換えて、好きな対象の座標データを抽出してください。


# Detected target(bird)
if class_name == "bird":

# Detected target(bird)

if class_name == "bird":

もし、Model Zooのモデルで満足できない場合は、独自モデルを作成する必要があります。

検出したい対象の画像を大量に用意して、MXNet・Tensorflow・Pytorch・Chainerなどの深層学習フレームワークを使い、学習（モデル作成）に挑戦してみて下さい。

画像処理アプリ（M5Stackアプリ）改良

今回はフクロウの”くるる”ちゃん@kururu_owlを対象としたアバターアプリなので、以下のイラストをSDカードに保存して、LCDに描画させました。

サイズ90×70ピクセルのJPGファイル

イラストを変更して、自分好みのアバターアプリにして下さい。

また、以下の記事で紹介した通り、M5Stack用の拡張モジュールやGroveセンサがあります。

モーターを駆動させたり、LEDを光らせたり…アバターの動きに合わせて何かを制御するのも楽しいと思いますよ(*･ω･)ﾉ♪

本記事で公開しているソースコード（アプリ）は改良OKです。自由な発想でAIアプリ開発を楽しんで頂けたら、とても嬉しいです。

AIアプリ開発チュートリアルまとめ

本記事で「AIアプリ開発チュートリアル」を書きました。本記事を読むことで以下のことを学べたと思います。

【本記事で学べる内容】

【AI】深層学習による物体検出を利用したアプリの例
【IoT】UDP通信でデータをやり取りする方法
【画像処理】好きなイラストを自由に移動させる画像処理
【VR】リアルな動物とバーチャルなアバターをリンクさせる方法
【マイコン】M5Stack（Arduino）アプリ開発
【プログラミング】自分のやりたいことを実現するためのヒント

インターネット未使用なので、正確には【IoT】一歩手前
動物（人含む）の動きに合わせてアバターが動くので、【VR】ではなく【インターフェース】という表現の方が適切かもしれません

はやぶさ

自分が思いつく限りの面白い技術を、本記事に”ギュッ”と凝縮しました！

Webアプリ以外の「AIアプリ開発チュートリアル」ってあまり無い気がするので、参考になれば嬉しいです。

くるる

すごーーーく楽しく勉強できました♪

”くるる”ちゃんのように本記事で楽しく勉強してくれる人が一人でもいたら嬉しいです！

はやぶさ

理系応援ブロガー”はやぶさ”@Cpp_Learningは頑張る理系を応援します！

おまけ -AIアプリ開発のヒントとメッセージ-

時間がある人は、以下の”おまけ”も読んでみてね。

”くるる”ちゃんが考えたAIアプリのアイデア

こんにちは。

くるる

駆け出しエンジニアの”くるる”だよー

本記事は面白い内容が”ギュッ”と凝縮されてて、しかもアプリを改良するときのポイントまで書いてある！

ノートPCとM5Stackで手軽に試せるので、初期投資も少ない！

くるる

AIアプリ開発ってもっと敷居の高いものだと思ってたけど…

本記事を参考にすれば”くるる”でもAIアプリ作れそう！！

”くるる”は暑いの苦手だから室温によって行動が違うと思うけど…あまり意識したことないからアバターで自分の行動を客観視してみたい！

M5Stackに温度センサ取り付けて、室温とアバターの座標から相関関係を～♪

はやぶさ

スイッチ入った”くるる”ちゃんが黙々と作業してる姿が可愛い

実用的なアプリ・面白いアプリ…作りたいアプリは人それぞれだと思います。

”くるる”ちゃんのように自由な発想で『AIアプリ開発』を楽しんでくれたら嬉しいです！

メッセージ -本ブログのサポートについて-

本記事は、もし自分が技術書典（技術同人誌即売会）などで本を出すなら『深層学習×画像処理×M5Stack -AIアプリ開発チュートリアル-』というタイトルで書きたい！と想った内容を具現化したものです。

ただ、お金のない学生さんも含め、多くの人に『AIアプリ開発』を楽しんでもらいたい！という想いから、無料公開にしました。

（本は無理でも有料noteで公開したら、Jetson Nanoの購入資金くらい稼げたかな？とか考えたりもするけど…）

もし、本チュートリアルが参考になり、ブログ『はやぶさの技術ノート』をサポートしたいという人がいれば、以下の方法でサポートして頂けると嬉しいです！

【本ブログのサポート方法】

本ブログの記事をSNS（Twitterやfacebookなど）でシェア
本記事を参考に『アプリ開発』を実践したら、参考資料で本記事を紹介

記事に対して反応があると、次も良い記事書きたいな！というモチベーションに繋がります。気軽にシェアして頂けると嬉しいです。

また、本記事が拡散することで、以下のような『技術で繋がる輪』ができたら、最高に嬉しいと考えています。

本記事をシェア
多くの人が『AIアプリ開発』に興味をもつ
各自が『AIアプリ』に関するアイデアやソースコードを公開（シェア）
誰かの『AIアプリ』が新たなアイデアやソースコードの創出に繋がる

多くの人が『AIアプリ』の情報を公開することで、ひとりの人間では思いつかなかった素晴らしい『AIアプリ』が誕生するかもしれません。

名も知らない人同士が『技術で繋がり』イノベーションが起こるかもしれません。

想像するだけでワクワクしますね！もし『AIアプリ』を作ったら、是非”はやぶさ”@Cpp_Learningに自慢してくださいね。

皆様が楽しく『AIアプリ開発』を実践してくれたら、最高に嬉しいです。

（完）

深層学習×画像処理×M5Stackでアバターアプリを作る -AIアプリ開発チュートリアル-

アバターアプリを作るモチベーション

アバターアプリの要素技術

深層学習による物体検出

M5StackとPCのUDP通信

画像処理によるアニメーション

実践！深層学習×画像処理×M5Stackでアバターアプリ開発

深層学習で物体検出して座標データを送信する”AIアプリ”

座標データを受信してアバター（イラスト）を動かす”画像処理アプリ”

深層学習×画像処理×M5Stackによるアバターアプリ動作手順

深層学習×画像処理×M5Stackによるアバターアプリの改良ポイント

ハードウェア選定

AIアプリ（深層学習による物体検出アプリ）改良

画像処理アプリ（M5Stackアプリ）改良

AIアプリ開発チュートリアルまとめ

おまけ -AIアプリ開発のヒントとメッセージ-

”くるる”ちゃんが考えたAIアプリのアイデア

メッセージ -本ブログのサポートについて-

プライム感謝祭セールを完全攻略！事前準備やお得キャンペーンを徹底解説

【アマゾンプライムデー2023年】完全攻略！事前準備やお得キャンペーンを徹底解説

【2023年版】アマゾンプライム会員のメリット・デメリットを紹介！

Golang × WebAssembly（wasm）入門

【Python】最適化フレームワークのCodable Model Optimizerで回帰モデルのパラメータ調整を自動化する

【GitHub】シンプルなREADME.mdの書き方 -コピペで使えるテンプレート付き-

【Pyxel】Pythonでレトロゲームを作ろう！総集編 -まるっと1週間でゲーム開発入門-

【仕事効率化】Visual Studio Code で Markdown を使いこなす

【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで

【Pyxel】Pythonでレトロゲームを作ろう！ Day 1 -画像の扱い方-

アバターアプリを作るモチベーション

アバターアプリの要素技術

深層学習による物体検出

M5StackとPCのUDP通信

画像処理によるアニメーション

実践！深層学習×画像処理×M5Stackでアバターアプリ開発

深層学習で物体検出して座標データを送信する”AIアプリ”

座標データを受信してアバター（イラスト）を動かす”画像処理アプリ”

深層学習×画像処理×M5Stackによるアバターアプリ動作手順

深層学習×画像処理×M5Stackによるアバターアプリの改良ポイント

ハードウェア選定

AIアプリ（深層学習による物体検出アプリ）改良

画像処理アプリ（M5Stackアプリ）改良

AIアプリ開発チュートリアルまとめ

おまけ -AIアプリ開発のヒントとメッセージ-

”くるる”ちゃんが考えたAIアプリのアイデア

メッセージ -本ブログのサポートについて-

プライム感謝祭セールを完全攻略！事前準備やお得キャンペーンを徹底解説

【アマゾンプライムデー2023年】完全攻略！事前準備やお得キャンペーンを徹底解説

【2023年版】アマゾンプライム会員のメリット・デメリットを紹介！

Golang × WebAssembly（wasm）入門

【Python】最適化フレームワークのCodable Model Optimizerで回帰モデルのパラメータ調整を自動化する

【GitHub】シンプルなREADME.mdの書き方 -コピペで使えるテンプレート付き-

【Pyxel】Pythonでレトロゲームを作ろう！ 総集編 -まるっと1週間でゲーム開発入門-

【仕事効率化】Visual Studio Code で Markdown を使いこなす

【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで

【Pyxel】Pythonでレトロゲームを作ろう！ Day 1 -画像の扱い方-

【Pyxel】Pythonでレトロゲームを作ろう！総集編 -まるっと1週間でゲーム開発入門-