堀川由理☆Candy Rock Bar

堀川由理☆Candy Rock Bar

バンコク、シンガポールの海外生活を経て、AIベンチャーでビジネス開発しております。
元南青山少女歌劇団、高見沢俊彦プロデュースskirtの堀川由理が旅行、ワンコ、時々音楽、ズンバなどバンコクライフをお届け

「ゆーやん&たまちゃんのドーン!とやってみよう! vol.21」
 
2022/5/15(日)
17:00開場/17:30開演
 
【出演】真田林佳 /智子(TOMO)/堀川由理/八木亜由美/ほか
MC:智子
 
【演奏】Ba、AG&cho.ドンボルカン山口/per.ゆーやん/おたすけギタリスト&cho.平野
好生/桑田真樹
 
東京音実劇場
www.onjitsu.com
 
今回も、音実のゆーたまドンに出演させていただきました。
2回目の出演になりますw
 
セトリ
1, Shine
2, 美魔女 Rock you !
3, ケフィ
 
カバーバンドコーナー
4,ZUTTO / 永井真理子
5,Oh My Little Girl / 尾崎豊
 
image
 
今回は、美魔女 Rock youで初めてエレキを合わせてみました。
Rapもあったから、一人3役で大忙しでしたが
また、雰囲気の違う美魔女Rockを聞いてもらえたかな??
 
 

 

 

 

 
アコースティックカバーコーナーでは、
ツイキャスにてリクエストをいただいた、ZUTTOとOh my littel girlを歌いました。
 
どちらも懐かしい曲ですねw
 

 

MCでは、永井真理子さんの懐かしいトークで盛り上がりました。
横浜スタジアムで拳を上げているライブビデオが印象的でしたよね!!
 
また、永井真理子さんの歌を聴きに行きたくなりました。
 

 

 
やっぱり生バンドで歌うのって、気持ちがいいですね!
 
当日までに、ツイキャスプレミアのチケットを購入いただいた方は、
アーカイブでも見れますので、チェックしてみてね!
カメラ台数も多くて、TV番組みたいにみていただけます。
 
 
image

 

 

 

image

ライブレポートです。

 

 

Candy Rock Bar vol.25

 

日付:2022年4月3日(日)

開場13:20 開演13:30

 

場所:新宿44ステーション ファンタジーホール7F(会場は8F)

 

 

出演:堀川由理、田嶋亜弥子、遠藤雅子

performance group Lila(以下、Lila)

 

 

セトリ

1,smile (Lila)

2,My paradise(Lila)

3,伝説のシューターお願い与一くん(Lila)

4,フリーダンス(Lila from SaNa)

5,フリーソング(Lila from Mayu)

 

6,My Paradise(堀川、遠藤)

7,美魔女Rock you(堀川、遠藤)

8,Love remember(堀川、遠藤)

9,Ringtone(堀川、遠藤)

 

10,玄関のガキ(堀川、マサコべ)

11,セミナー(マサコべ)

 

12, フィットネス体験コーナー(堀川、マサコべ、田嶋、Lila)

13,My paradise(全員)
 
 
 
 
image
CRBおなじみの出演になってきたLilaちゃん
今回は、オンラインを通して、全員で参加していただきました。
 
image
堀川由理、遠藤雅子のコラボコーナーでは、
AI作成のオリジナル曲、4曲を披露。
 
image
田嶋亜弥子によるフィットネス体験コーナーでは、
音楽に合わせて、バンドを使いながら、筋トレに挑戦。
 
 
image
 
image
あとは、オリジナルのダンスフィットネスにも挑戦してもらいました。
 
image
今回も、内容盛りだくさんのイベントになりました!!
 
 
 
 
 
 
 

ずっと気になっていたスマートウォッチを買ってみました。

 

きっかけは、Zumbaのレッスンで音を再生するときに

いちいち音響に戻るのが面倒だから、なんとかならないかなというところからです。

 

image

 

ピンクxゴールド

以下のノーブランドのスマートウォッチ。

 

 

 

 

ちょっと高見えするのを選んでみました。

基本的には、Bluetoothでスマフォアプリに繋いで使用する仕組みです。

なので、細かい操作は、VeryFitProというアプリを利用する感じ。

 

気になった主な機能は、

・各運動モードで歩数、消費カロリー

=ランニングだけじゃなくて、ヨガやダンスモードもある!!

ZUMBAの時の消費カロリーも今度取ってみたいですね。

 

image

 

・LINE,メールなどのソーシャルアプリ通知

=受信をバイブで知らせてくれる

 

・ミュージックコントロール

=スマフォの音楽操作できる。もちろん、Air Podsを繋いだまま可能。

うまくいけば、(音響のいない)私のイベントでも使ってみたいです。

 

・スマフォお探し機能

=スマフォが見つからない時に、スマフォ側を鳴らして探してくれる(これいいかも)

 

・睡眠時間管理

=睡眠時間だけじゃ無くて、レム、ノンレム睡眠もわかる!すごい

昨日、実際やってみた。一瞬起きた6分間まで記録されている。。

 

image

 

 

おそらく、この時計には、

・心拍センサー

・GPSセンサー

・加速度センサー

・ジャイロセンサー(入ってるのかな?)

 

が入ってますかね。

しかも、防水IP68レベル,Bluetooth4.0

 

3,000円程度でこの機能って、、、すごいなぁ

と技術進歩に関心してしまっております。

 

スマートウオッチングデビューとしては、ちょうどいいかも!

 

他に比較検討した時計はこちら。

Amazfit, HUAWAI, Xiaomi あたりですね。

 

 

 
 

 

 

 

 

GWいかがお過ごしでしょうか??!!

わたしは、北海道にいます!!


小樽運河だよー



2022/05/15の音実ライブ詳細がでました!!



「ゆーやん&たまちゃんのドーン!とやってみよう! vol.21」


2022/5/15(日)

17:00開場/17:30開演


前売3,500円+1drink500円

当日4,000円+1drink500円

配信チケット2,500円+サービス利用料100円


【出演】真田林佳 /智子(TOMO)/堀川由理/八木亜由美/ほか

MC:智子


【演奏】Ba、AG&cho.ドンボルカン山口/per.ゆーやん/おたすけギタリスト&cho.平野

好生/桑田真樹


東京音実劇場

www.onjitsu.com


●ご予約開始

5/6(金)21:00~


①5/15観覧希望

②ご予約のお名前

③お目当てのアーティスト名


上記をご明記の上

info@onjitsu.com

までお送りください。


ご予約完了後、ご予約番号をお送りいたします。


*ご入場はご予約番号順です。




北海道で親戚に会うのは数年ぶりラブ

ゆっくりのんびりさせてもらってまーす!


小樽ビール🍻


3人で小樽ビール


小樽ビールサイコー!


白い恋人パーク💕


イースターフェアやってたよ🥚


5月6月のライブ告知の最新情報です。

 

次回、Candy Rock Barですが、出演者に変更がありました!!

 

なんと、林里紗、蓮見航の出演が決定です!!

どんな生誕祭になるのか、今から楽しみですね。

 

また、当日は、きっと、、、

遠藤雅子のお祝いにいろんな人が駆けつけてくれるはず?!

飛び込み出演も受付中です!

 

夜の部は、マサコべの夜と題して、

後夜祭?打ち上げ?反省会?

んー。まぁよくわからないけど、昼とは違ったイベントを行いますw

チケット代にドリンク込(お酒あり)としてますので

ゆっくりまったり、笑いましょう!!

 

ーーーーーーーーーーーーーーー

 

2022/05/15

ゆーやんたまちゃんのドーン!とやってみよう!

場所:東京音実劇場

詳細後日

 

 

2022/06/19

Candy Rock Bar vol.26

 

場所:新宿44ステーション ファンタジーホール8F

 

昼の部 

堀川由理 どS☆Presents 遠藤雅子 生誕祭

12:00開場

12:30開演

 

出演:堀川由理、遠藤雅子、林里紗、蓮見航

Performance group Lila

チケット: 3,000円 配信:1,500円

 

 

夜の部 : マサコべの夜

18:00開場

18:15開演

 

出演:堀川由理、マサコべ

 

チケット: 2,000円 (ドリンク込)

ご予約:candyrockbar@gmail.com

 

*後ほど、更新予定。

なんだかポカポカですねー。

 

取り急ぎ、告知させていただきます。

 

2022/05/15

ゆーやんたまちゃんのドーン!とやってみよう!

場所:東京音実劇場

詳細後日

 

 

 

2022/06/19

Candy Rock Bar vol.26

マサコべ生誕祭?

 

場所:新宿44ステーション ファンタジーホール8F

出演予定:堀川由理、遠藤雅子、田嶋亜弥子、Performance group Lila

 

 

 

みんな、予定は開けておいてね!

よろしくーーーー。

 

 

4月のイベント情報更新です!!

出演者ですが、田嶋亜弥子ちゃんも時間が許す限り参加してもらえることになりました!!

 

Candy Rock Bar vol.25

日付:2022年4月3日(日)

開場13:20 開演13:30

*時間が変更となっております。

 

チケット: 3,000円

配信:1,500円

 

場所:新宿44ステーション ファンタジーホール7F(会場は8F)

 

出演:堀川由理、田嶋亜弥子、遠藤雅子

performance group Lila

 

チケット&配信ご予約:candyrockbar@gmail.com


ツイキャスプレミアチケットページ

Candy Rock Bar vol.25 - TwitCastingCandy Rock Bar vol.25日付:2022年4月3日(日)時間:開場13:20 開演13:30チケット: 3,000円配信:1,500円 場所:新宿44ステーション ファンタジーホール7F(会場は8F) 出演:堀川由理、田嶋亜弥子、遠藤雅子performance group Lila ツイキャスプ..リンクtwitcasting.tv


 

 

 

ツイキャスでも告知してたイベントです!!
取り急ぎ告知します!!


Candy Rock Bar vol.25
日付:2022年4月3日(日)
時間:
開場13:30 開演14:00
チケット: 3,000円
配信:1,500円
 
場所:新宿44ステーション ファンタジーホール7F(会場は8F)
 
出演:堀川由理、遠藤雅子
performance group Lila
 
ツイキャスプレミア生配信あり


*コロナの影響により変更の可能性があります。

よろしく!!!!








Twitterやツイキャスでは、お知らせしているのですが

今回、育休最後の駆け込みということで、

Aidemyというところで、AIアプリ開発のプログラミングを勉強することにしました。

 

その成果物(卒業課題)をこちらでご紹介したいと思います。

 

◉きっかけ

AIのベンチャーで営業をやっておりましたが、

お客様の課題に対し、データをその場で見てアドバイスできたらいいな。。と思っていました。

そこで、育休最後の時間を有効活用したいと思い、Pythonを利用したAIプログラミングを勉強したいと思い、受講を始めました。

 

その中で、仕事でも苦労したアプリ開発をやってみたく、このコースを選択しました。

 

◉環境

・Python

・Macbook air (M1)

・Chrome

・Google Colaboratory

 

 

◉AI画像認識アプリ

" BMJ AI Classifier "

BMJのメンバーの誰に似ているかAIにて画像認識できるアプリ。

 

 

◉使用した画像データ

"yuri", "ayako","masako"の顔写真各20枚

 

 

◉私のプログラミングレベル

超初心者

 

1、ディレクトリ構成図

(1)アプリケーション実行環境

── mnist
│  │  ├── Procfile
│  │  ├── mnist.py
│  │  ├── model.h5
│  │  ├── requirements.txt
│  │  ├── runtime.txt
│  │  ├── static
│  │  │  └── stylesheet.css
│  │  ├── templates
│  │  │  └── index.html
│  │  └── uploads
│  │    ├── 1.png
│  │    └── 2.png
│  ├── mnist.py
│  ├── mnist1.py
│  └── model.h5

 

(2)モデル学習環境

── Aidemy
│  │  ├── image(元データ)
│  │  │  └── yuri
│  │  │  └── ayako
│  │  │  └── masako
│  │  ├── image2(水増しデータ)
│  │  │  └── yuri
│  │  │  └── ayako
│  │  │  └── masako
# 以下はスクリプトファイル 
devide_test_train.py
inflation.py
learn.py 
predict.py 

 

 

2、元データのまとめ

imageファイルを作成して、ファイル内に"yuri", "ayako","masako"のファイルを作成。

各自の写真を顔がわかりやすいように加工して格納。

 

 

2、画像の水増し

G driveにimage2フォルダーを作成し、各3人の画像をGoogle Colaboratoryにて水増し。

各自3000枚くらいに増やしました。

 

import keras
import numpy as np
from keras.utils import np_utils
from matplotlib import pyplot as plt
from keras.preprocessing import image
from keras.preprocessing.image import ImageDataGenerator
import os
import cv2
import sys
import random
from setuptools.sandbox import save_path
DATA_DIR =  '/content/drive/MyDrive/Aidemy/image'
CATEGORIES = ["yuri", "ayako", "masako"]
SAVE_DIR = os.path.join(
     '/content/drive/MyDrive/Aidemy/image2')
IMG_SIZE = 50
training_data = []
datagen = ImageDataGenerator(
     rotation_range=90,
     width_shift_range=0.3,
     height_shift_range=0.3,
     channel_shift_range=40.0,
     shear_range=0.39,
     zoom_range=[0.7, 1.3],
     horizontal_flip=True,
     vertical_flip=True
)
copy_num = 50
def create_training_data():
  for class_num, category in enumerate(CATEGORIES):
      path = os.path.join(DATA_DIR, category)
      save_path = os.path.join(SAVE_DIR, category)
      if not os.path.exists(save_path):
          os.makedirs(save_path)
      for image_name in os.listdir(path):
          img = cv2.imread(os.path.join(path, image_name))
          img_resize = cv2.resize(img, (IMG_SIZE, IMG_SIZE))
          img_array = image.img_to_array(img_resize)
          img_array = np.expand_dims(img_array, axis=0)
          j = 0
          for d in datagen.flow(img_array, batch_size=1,
                                                      save_to_dir=save_path,
                                                      save_prefix=category,
                                                      save_format='jpeg'
                                                      ):
              j += 1
              d = np.resize(d, (d.shape[1], d.shape[2], d.shape[3]))
              training_data.append([d, class_num])
              if j == copy_num:
                  break
          
create_training_data()
random.shuffle(training_data)
X = []
y = []
for feature, label in training_data:
  X.append(feature)
  y.append(label)
X = np.array(X)
y = np.array(y)
np.savez('/content/drive/MyDrive/Aidemy/image', X, y)

 

 

こんな感じ。なんだか気持ち悪いですね

 

 

もう少し水増しが必要そうなのですが、今回はここまでにしたいと思います。

 

 

3、作成済みのモデル

演習で勉強したコードを元に、VS Codeにて、model,html,cssを作成。

 

(1) モデルの作成

 

#from keras import optimizers
### kerasのoptimizersにはSGDがないので、tensorflowのoptimizerをimportします。
### tensorflowでないと optimizers.SGD(lr=1e-4, momentum=0.9) でエラーが出ます。
from tensorflow.keras import optimizers
from keras.applications.vgg16 import VGG16
from keras.layers import Dense, Dropout, Flatten, Input
from keras.models import Model, Sequential
from keras.utils.np_utils import to_categorical
import numpy as np

npz = np.load("/content/drive/MyDrive/Aidemy/image.npz")

npz_X = npz['arr_0']
npz_y = npz['arr_1']

X_train = npz_X[:int(len(npz_X)*0.8)]
y_train = to_categorical(npz_y[:int(len(npz_y)*0.8)])
X_test = npz_X[int(len(npz_X)*0.8):]
y_test = to_categorical(npz_y[int(len(npz_y)*0.8):])

input_tensor = Input(shape=(50,50,3))
vgg16 = VGG16(include_top=False, weights='imagenet', input_tensor=input_tensor)

top_model = Sequential()
top_model.add(Flatten(input_shape=vgg16.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
### Denseを1から3に変更, npz_yの次元数が3にっていたため
### 今回は3クラスに分類するタスクだと推測しますが、最終層のDenseにはclass数を設定します。
top_model.add(Dense(3, activation='softmax'))  
model=Model(inputs=vgg16.input,outputs=top_model(vgg16.output))

for layer in model.layers[:19]:
  layer.trainable = False

model.compile(loss='categorical_crossentropy', optimizer=optimizers.SGD(lr=1e-4, momentum=0.9), metrics=['accuracy'])

model.fit(X_train, y_train, validation_data=(X_test, y_test), batch_size=32, epochs=5)

model.save('model.h5')

scores = model.evaluate(X_test, y_test, verbose=1)
print('Test loss:', scores[0])
print('Test accuracy:', scores[1])

model.summary()

*参考までに、先生からのコメント付きのままです。

 

なお、正解率は以下の通りです。

 

Test accuracy: 0.6983333230018616

 

少し低い気がしますので、データ追加など、改善の余地がまだあると思われます。

 

 

(2)main

 

import os
from flask import Flask, request, redirect, render_template, flash
from werkzeug.utils import secure_filename
from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.preprocessing import image

import numpy as np


from PIL import Image # $ pip install pillow
classes = ["yuri","ayako","masako"]
image_size = 50

UPLOAD_FOLDER = "uploads"
ALLOWED_EXTENSIONS = set(['png', 'jpg', 'jpeg', 'gif'])

app = Flask(__name__)

def allowed_file(filename):
    return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS

#model = load_model('./model.h5')#学習済みモデルをロード

@app.route('/', methods=['GET', 'POST'])
def upload_file():
    if request.method == 'POST':
        if 'file' not in request.files:
            flash('ファイルがありません')
            return redirect(request.url)
        file = request.files['file']
        if file.filename == None:
            flash('ファイルがありません')
            return redirect(request.url)
        if file and allowed_file(file.filename):
            filename = secure_filename(file.filename)
            file.save(os.path.join(UPLOAD_FOLDER, filename))
            filepath = os.path.join(UPLOAD_FOLDER, filename)
            print("test")
            #受け取った画像を読み込み、np形式に変換
            img = image.load_img(filepath,target_size=(image_size,image_size))
            #print(img)
            img = image.img_to_array(img)
            data = np.array([img])
            print(data.shape)
            # #変換したデータをモデルに渡して予測する
            #result = model.predict(img)[0]

        
            model = load_model("./model.h5")
            result = model.predict(data)
            
            
            predicted = result.argmax()
            pred_answer = "あなたは" + classes[predicted] + " です"

            return render_template("index.html",answer=pred_answer)

    return render_template("index.html",answer="")


if __name__ == "__main__":   
   port = int(os.environ.get("PORT", 5000))
   app.run(host="0.0.0.0", port=port)

 

modelは、mnistファイルのmnist.pyにファイル名変更。

model.h5も完成。

 

(3) HTML

 

 

(4) CSS

 

header {
    background-color: #ee58e6;
    height: 60px;
    margin: -8px;
    display: flex;
    flex-direction: row-reverse;
    justify-content: space-between;
}

.header-logo {
    color: #fff;
    font-size: 25px;
    margin: 15px 25px;
}

.header_img {
    height: 25px;
    margin: 15px 25px;
}

.main {
    height: 370px;
}

h2 {
    color: #444444;
    margin: 90px 0px;
    text-align: center;
}

p {
    color: #444444;
    margin: 70px 0px 30px 0px;
    text-align: center;
}

.answer {
    color: #444444;
    margin: 70px 0px 30px 0px;
    text-align: center;
}

form {
    text-align: center;
}

footer {
    background-color: #eed2f7;
    height: 110px;
    margin: -8px;
    position: relative;
}

.footer_img {
    height: 25px;
    margin: 15px 25px;
}

small {
    margin: 15px 25px;
    position: absolute;
    left: 0;
    bottom: 0;
}
body {
    background-image: url("http://drive.google.com/uc?export=view&id=1nNR4mqXGocjuxRoCdlGYPV677Q-w0sey");
    background-repeat: no-repeat;
  }

 

4、デプロイ

手元の環境で、再現を確認後、herokuへのデプロイを行います。

事前の課題で、アカウント登録をしておりましたので、以下のコードを実行。

 

git init

heroku git:remote -a (アプリ名)

git add .

git commit -m '(何を変更したかメッセージを書く)'

git push heroku master

 

2回目以降の更新は、以下のコード。

 

git add .
git commit -m "change"
git push heroku master

 

私は、htmlやCSSの知識がなく、今回Aidemyで学んだのみでしたので、

実際は、何度も更新をして確認しました。

 

5、完成!!

 

 

ファイルを選択で、画像を選んで、

 

 submitしてみたら、、、

 

 

誰に似ているのか、AIが認識してくれます!

 

 

以下、サイトです。

 

https://yuri-app2.herokuapp.com/

 

 

◉考察

やはり画像認識は、正答率が重要なので、データ数を増やして

まだまだ精度向上をさせる必要があると思いました。

 

 

◉感想

AIで画像認識アプリを、ただ作ってみたい!!

という思いで始めてみましたが、実際は、プログラミングの知識がなかったため

最初はかなり苦戦しました。

 

コードも、見よう見まねで書いてみて

カウンセリングにて、先生に初歩的な質問から丁寧に回答して頂けたため

なんとかアプリを作成できました。

 

良かった点としては、

・とにかく、実践できた!

 

大変な点としては、

・これから、かなりの復習が必要。

・子育てしながらなので、結局徹夜が続く。

・子育てしながらなので、カウンセリングの時間がなかなか合わない。

(基本17:00-22:00のため)

 

 

以上。
ここから、何かに発展できたらいいな。
 
 
 

 

 

毎日寒いですねー。

久しぶりに、ライブ告知です!!

今回は、音実のイベントに出演です。

いつものオリジナルコーナー+アコギカバーコーナーに出演します!

蔓延防止等重点期間なので、オンラインでのツイキャスプレミア配信もあります。

アーカイブでも見れますので、是非見てね!!

 

==========================

 

2022/2/26(土)

ゆーやん&たまちゃんの
ドーン!とやってみよう! vol.19
場所:東京音実劇場(www.onjitsu.com)
時間:12:10開場/12:30開演
*ご予約番号順にご案内いたします。
前売3,500円+1drink500円
当日4,000円+1drink500円
配信チケット2,500円+サービス利用料100円

【出演】真田林佳 /智子(TOMO)/堀川由理/本居じゅん
【演奏】Ba、AG&cho.ドンボルカン山口/per.ゆーやん/おたすけギタリスト&cho.平野
好生/桑田真樹

●配信チケット
2,500円+サービス利用料100円
https://ja.twitcasting.tv/tokyo_ongeki/shopcart/136488

お目当てのアーティスト名を記載の上ご購入いただくか、各アーティスト販売ページよりご購入をお願いいたします。

ご予約開始
2/17(木)21時~

2/26予約希望
①ご予約のお名前
②お目当てのご出演者名

上記をご明記の上、info@onjitsu.com or  myuna6_6@hotmail.com まで
メールにてご予約ください。
改めまして先着順にご予約番号をお送りいたします。

 

==========================

 

ライブ出演決定で、きげんよし(笑)日本酒飛び出すハート