取りあえずtensorflowをやってみる(googleが開発している＋M5StickVがtensorflowliteなので）

googleのcolaboratoryでためす

• MobileNetは画像認識(Classification)モデル
• YOLOは物体認識(Object Detection)モデル

https://qiita.com/tomo_makes/items/5d6f5860bb793e3b354a

Deep Learning基礎講座演習コンテンツ 公開ページ https://weblab.t.u-tokyo.ac.jp/deep-learning%e5%9f%ba%e7%a4%8e%e8%ac%9b%e5%ba%a7%e6%bc%94%e7%bf%92%e3%82%b3%e3%83%b3%e3%83%86%e3%83%b3%e3%83%84-%e5%85%ac%e9%96%8b%e3%83%9a%e3%83%bc%e3%82%b8/

学習済モデルの場所 https://tfhub.dev/

tensorflow.jsをNode.jsで実行する https://qiita.com/shisama/items/33d34b0b1774f69f8a96

https://keras.io/ja/

tensorflowを利用するためのライブラリ pythonで実行する

sudo pip3 install --upgrade tensorflow
sudo pip3 install h5py
sudo pip3 install keras

keras−yolo3の学習方法 https://sleepless-se.net/2019/06/21/how-to-train-keras%E2%88%92yolo3/

Raspberry Pi 4のディープラーニングで画像認識する環境をゼロから1時間で構築する方法　 https://karaage.hatenadiary.jp/entry/rpi4-dl-setup

作成したモデル(keras)をpythonで実行 https://github.com/mjdargen/Teachable-Machine-Object-Detection

作成したモデル(tensorflowlite)をpythonで実行 https://www.rs-online.com/designspark/google-teachable-machine-raspberry-pi-4-cn

https://www.digikey.com/en/maker/projects/raspberry-pi-teachable-machine-teachable-pi/88c52e75f3d247fc9035480e6a1c17b1

姿勢推定