大阪エヌデーエスが提案するディープ・ラーニング画像認識

事業推進 エンタープライズグループ

アジェンダ

❖はじめに

❑人工知能の利活用

❖ディープラーニングについて

❑ディープラーニングについて簡単な説明

❖画像認識へディープラーニングを導入する時の課題

❑画像認識ディープラーニング導入時の課題

❖デモについて

❑弊社展示デモについての説明

はじめに

人工知能の利活用

❖どんな場面で人工知能の活用が有効なのでしょうか？

人工知能（AI）の活用が、現在我が国が抱えている様々な課題や、将来、我が国が抱える可能性がある様々な課題の解決に役立つと思うかについて有識者に対してのアンケート結果

■具体的にどのような課題の解決に寄与すると思うか？

労働力不足や過酷労働、およびそれに起因する問題（例えば、介護、モニタリング、セキュリティ維持、教育）

農業・漁業の自動化による人手不足問題の緩和

犯罪の発生予知、事故の未然防止、個々人の必要に応じたきめ細かいサービスの提供、裁判の判例調査、医療データの活用等での課題解決に寄与することが期待される

職人の知識／ノウハウの体系化による維持と伝承

総務省：「平成28年版 情報通信白書」より引用

人工知能技術分野の進展

NEDO 技術戦略研究センター：「次世代人工知能技術社会実装ビジョン」,2016 を元に作成

分類 現在～2020年

認識能力関係 • 静止画像・動画像からの一般物体認識が人間レベルに到達• 3次元情報からの環境認識が人間レベルに到達• 人間の表情、感情の認識が人間レベルに到達

運動能力関係 • ディープラーニング（DL）と強化学習の融合が進化し、人間が設定した報酬体系の下、高度なゲームなどのタスクの遂行（プランニング）が人間レベルに到達• 運動に関するプリミティブ、構造（オントロジー）を自動生成する技術の確立• DL＋強化学習の進化により、剛体物マニピュレーション制御のほか、柔軟物マニピュレーション制御を学習• 自律移動しながら3Dマップを生成し、周辺環境を構造化• 不整地等非構造化環境におけるロコモーション技術が確立

言語・意味理解 ・画像とテキストを相互変換する原始的シンボルグラウンディング技術の確立• 特定ドメインにおいて、会話が成立するための発話計画を自動で生成

数値データの処理、人間やシステムのモデル化

• センサからの大量データの取得・活用が進む（IoT）• 認知発達モデル、脳の情報処理の研究が加速

計算機システム等の必要なハードウェア • ワンショット3D計測やハイパースペクトルカメラなどのセンサ• 省電力高性能小型プロセッサ• 触覚センサなどセンサ類の高度化• 高度マニピュレータ

人工知能技術分野の進展

❖人間レベルに到達見込みの分野を抜粋

❑認識能力関係• 静止画像・動画像からの一般物体認識が人間レベルに到達

• 3次元情報からの環境認識が人間レベルに到達

• 人間の表情、感情の認識が人間レベルに到達

❑運動能力関係• 高度なゲームなどのタスクの遂行（プランニング）が人間レベルに到達

人工知能技術の産業分野別の効果ものづくり モビリティ 医療・健康、介護 流通・小売、物流

DL＋強化学習や認識技術の向上やマニピュレーション能力の向上により、ばら積みのままでのピッキング、熟練工の技術、検品などを機械で実行可能に

認識技術により得られたデータと既存知識を融合させて生成されたオントロジー等に基づき、工場内や機械の異常検知・予測精度が向上

以上によって、自動化率が向上するとともに設備老朽化に起因するダウンタイムが減少し、生産性が１割改善

高精度化した一般物体認識技術によって把握したものや情報をあらかじめ定められた制御規則に当てはめることで、限られた敷地内／高速道路等の整備された区画での完全自動運転や隊列走行が可能に

交通情報と３Ｄマップ情報に基づき、事故の可能性をあらかじめ言葉も使いながら注意喚起することで、自動車事故が減少（事故死者数2000人以下）

【医療・健康】 医療画像、バイタルデータ、遺

伝子データ、環境データにより、医師の診療・診断支援（遠隔診療支援、画像診断支援等）、新たなヘルスケアサービス（未病、生活習慣病の予測・予防支援等）が可能に

手術支援ロボットのスマート化

【小売店舗自動化】

顧客購買行動や突発的な周辺状況の変化（天候・イベント開催など）を察知し商品需要を予測する機械学習が進展し、小売り店舗での発注最適化が可能に。

画像認識により、ベルトコンベア式の無人レジが可能に

【流通センタ】 強化学習などにより、専用設備

を有する流通センタにおいて、デバンニング（積荷下ろし）・パレタイジング・バンニングのロボット化が進展

危険認識・回避により、ハブ空港での無人荷物搬送が可能に

【小売・生産一体化】【ロボット導入】 体内信号認識技術の高度化に

より、ウェラブル端末・パワースーツの普及による倉庫・物流作業員の機械化・知能化が進展

NEDO 技術戦略研究センター：「次世代人工知能技術社会実装ビジョン」,2016 を元に作成

人工知能技術の産業分野別の効果

❖認識技術をキーワードに産業分野別の効果を抜粋

❑ものづくり• ばら積みのままでのピッキング、熟練工の技術、検品などを機械で実行可能

• 工場内や機械の異常検知・予測精度が向上

❑モビリティ• 一般物体認識技術によって、限られた敷地内／高速道路等の整備された区画での完全自動運転や隊列走行が可能

❑医療・健康、介護• 医師の診療・診断支援（遠隔診療支援、画像診断支援等）、新たなヘルスケアサービス（未病、生活習慣病の予測・予防支援等）が可能

❑流通・小売、物流• 画像認識により、ベルトコンベア式の無人レジが可能

大阪エヌデーエスからのご提案

❖人手不足の問題を人工知能で解消しましょう

❑アプリケーションから組込みまでワンストップで開発可能

❑低コストで利用制約が少ない、例えば非ネットワーク環境においても利用できる方法• 大企業はもちろん、中小企業においても人手不足の解消が出来るソリューションで世の中のお役に立ちたい

ディープラーニングについて

ディープラーニング（深層学習）とは

❖脳の神経細胞の繋がりをモデル化したニューラルネットワークを多層化したもの

❑ニューラルネットワークを多層化すると、学習がうまく進まず性能も出ない状況があったが、トロント大学ジェフリー・ヒントン教授の2006年の研究により多層化が可能になり、認識能力が従来のニューラルネットワークより飛躍的に向上し、現在のブームとなっている。

入力層 中間層 出力層

・・・

ニューラルネットワーク

・・・

入力層 中間層 出力層

ディープラーニング

・・・

・・・

・・・

ディープラーニングの学習

・・・

・・・

・・・

・・・

（例）飛行機と車を分類する学習する

教師データ（出力の期待値）

出力値と教師データとの誤差

誤差を伝播させ素子間の繋がりの重みを修正を繰り返す

十分学習が終わったもの

学習済みモデル

ディープラーニングモデル

学習済みモデルの利用

・・・

学習済みモデル

・・・

・・・

・・・

未知の画像を入力

画像認識へディープラーニングを導入する時の課題

ディープラーニング導入の課題

③設備投資

①学習モデルの構築

④セキュリティ

②学習の精度

• 高度な知識を持った人材が必要• 精度が上がる学習モデル選択の難しさ

• 大量の学習用データが必要

• 高速CPUと大量のメモリのイニシャルコスト• ネットワークなどのランニングコスト

• クラウド環境へデータを上げる不安

大阪エヌデーエスから課題解決の提案①

①学習モデルの構築• 高度な知識を持った人材が必要• 精度が上がる学習モデル選択の難しさ• 画像認識に最適な学習モデルをご提供

Y. Lecun ; L. Bottou ; Y. Bengio ; P. Haffner :

Gradient-based learning applied to document recognition, Proceedings of the IEEE ,Vol.86 Issue: 11,1998

例）LeNet5

大阪エヌデーエスから課題解決の提案②

②学習の精度• 大量の学習用データが必要• 学習済みモデルの提供で少ないデータで始

められる

用意できる画像が少ない場合でも、元の画像を回転させたり、フィルタをかけることで、学習用の画像を増やし学習精度を高めます

元の画像

大阪エヌデーエスから課題解決の提案③

③設備投資• 高速CPUと大量のメモリのイニシャルコスト• ネットワークなどのランニングコスト• 高速PCは必要時だけクラウドを利用• 画像認識は組込みLinux機器で実行し安価に

計算能力の必要な学習時はクラウド 認識の現場では組込みLinux機器

大阪エヌデーエスから課題解決の提案④

④セキュリティ• クラウド環境へデータを上げる不安• ネットワークを使わなくても組み込みLinux機

器の中で完結し認識可能

展示しているデモのご紹介

デモ想定

❖想定している業務シチュエーション

❑検品業務を想定。他とは異なる製品を選り分ける。

システム構成

torch

学習用クライアント

torch結果通知アプリ

結果通知サーバ

クラウド上のサーバ

メッセージサーバ

メッセージアプリ

スマートフォン/タブレット

組込みLinux機器

カメラ処理

検査員

展示物

カメラ撮影指示

映像入力

展示物制御検査員への通知情報送信

再学習指示

学習データ送信学習指示

学習内容確認

PUSH通知/返信 検査員からのメッセージ

PUSH通知/返信

メッセージ送信

PUSH通知/返信

メッセージ送信

AIR AIRAIR学習データ送信

デモシステム構築

❖Node-REDを使用しシステムを構築

❑マイクロサービス化されたシステムを簡単に繋いでインテグレーション

デモ

デモブースのご案内

現在位置

ディープラーニング画像認識デモ

登録商標について

❖Linuxは、Linus Torvalds氏の日本およびその他の国における商標または登録商標です。

❖その他記載されている製品名・サービス名・会社名は各社の商標または登録商標です。