Más contenido relacionado
La actualidad más candente (20)
Similar a コンピュータビジョン技術の実応用とビジネス (20)
Más de Yusuke Uchida (20)
コンピュータビジョン技術の実応用とビジネス
- 2. アウトライン
1
• イントロダクション
– 内田 祐介(株式会社ディー・エヌ・エー)
• 顔認証から自動運転へ
– 勞 世竑 氏(センスタイムジャパン)
• Scaling Your Machine Learning Business
– 緒方 貴紀 氏(ABEJA)
• 映像解析のビジネス活用における展望と課題
– 金田 卓士 氏(フューチャースタンダード)
• 総合討論
- 8. AIを研究しよう!
7
227x227x3
55x55x96
27x27x9627x27x25613x13x25613x13x38413x13x38413x13x2566x6x256
9216
4096 4096
1000
conv11x11,96
stride (4, 4)
maxpool3x3
stride (2, 2)
conv5x5, 256
stride (1, 1)
maxpool3x3
stride (2, 2)
conv3x3, 384
stride (1, 1)
conv3x3, 384
stride (1, 1)
conv3x3, 256
stride (1, 1)
maxpool3x3
stride (2, 2)
flattenflattendensedense
densedensedensedense
訓練データ
モデルの改良
精度UP!!
- 9. 要件定義からビジネス化まで
8
• 要件定義
– 解くべき問題の明確化
– コンピュータビジョン技術で解決すべき問題か
– ビジネスインパクトはどの程度か
– どのような運用フロー・システムが考えられるか
• 研究開発
– データ収集、ラベル付け
– モデル構築、学習、改良
– 精度検証
• 簡易的な業務組み込み (Proof of Concept; PoC)
– 運用フロー・システムが成り立つか
– 見落としていた問題(要件)の発見
• 本格運用検討
• 本番システム開発
• 本番システム運用
- 10. 要件定義からビジネス化まで
9
• 要件定義
– 解くべき問題の明確化
– コンピュータビジョン技術で解決すべき問題か
– ビジネスインパクトはどの程度か
– どのような運用フロー・システムが考えられるか
• 研究開発
– データ収集、ラベル付け
– モデル構築、学習、改良
– 精度検証
• 簡易的な業務組み込み (Proof of Concept; PoC)
– 運用フロー・システムが成り立つか
– 見落としていた問題(要件)の発見
• 本格運用検討
• 本番システム開発
• 本番システム運用
- 11. 要件定義からビジネス化まで
10
• 要件定義
– 解くべき問題の明確化
– コンピュータビジョン技術で解決すべき問題か
– ビジネスインパクトはどの程度か
– どのような運用フロー・システムが考えられるか
• 研究開発
– データ収集、ラベル付け
– モデル構築、学習、改良
– 精度検証
• 簡易的な業務組み込み (Proof of Concept; PoC)
– 運用フロー・システムが成り立つか
– 見落としていた問題(要件)の発見
• 本格運用検討
• 本番システム開発
• 本番システム運用
PoC
- 16. アウトライン
15
• イントロダクション
– 内田 祐介(株式会社ディー・エヌ・エー)
• 顔認証から自動運転へ
– 勞 世竑 氏(センスタイムジャパン)
• Scaling Your Machine Learning Business
– 緒方 貴紀 氏(ABEJA)
• 映像解析のビジネス活用における展望と課題
– 金田 卓士 氏(フューチャースタンダード)
• 総合討論
Notas del editor
- 本シンポジウムでは多くのエキサイティングな研究や技術チュートリアルが発表されている。ビジネスの中でも、これまでにないビジネス領域を切り開いているベンチャー企業の方々にそれぞれのビジネス展開についてご講演いただきます
コンピュータビジョン技術を実ビジネスとして成功させるためには何が重要かを議論し、今後のビジネス検討に活かせるディスカッションができればと思っております。
- ビジネスと言うからにはまずは市場規模ですね。よく言うのが市場規模がXXでその何%を目指すので売上YYです
5兆円ビジネスで、今後数年間で数倍になると見込まれています
5000兆円にはとどかないですが非常に大きな額です
こういうグラフは右肩上がりのグラフしか見たことないので、どこまでこの金額に入っているか分からないので雰囲気だけつかめれば良いと思います
- 分野的にはこれまでは製造業や医療系が多かった印象ですが、今後はAutomotiveやSurveillanceが特に伸びていきそうです
- 市場規模としては非常に期待が持てる領域であると言えました
では技術に関してはどうか
コンピュータビジョンに関して近年のブレークスルーといえば、深層学習の成功であるというのは異論はないかと思います
(もはや近年ではない)
- 精度ではなく、応用範囲の広がりという点でも様々な発展があります
その他にも、人物の行動推定や、属性推定、とりあえず教師を与えることができるタスクがどんどん解かれていっています。
毛色の違うところでは、画像の生成が注目されていますが、応用としてはそれにとどまらない、Generative Adversarial Networks (GAN) といった技術の発展にも非常に注目しています。
それらの技術については、他のオーガナイズドセッションでも非常にエキサイティングなご講演があると思います
- データ収集ラベル付け→お金かかる
- データ収集ラベル付け→お金かかる
- データ収集ラベル付け→お金かかる
- 次にシステム観点で機械学習を含んだ実応用上のシステムを見てみます
これはGoogleの方のNIPSという機械学習系学会の論文
- コンピュータビジョンに限定した話ではなくいわゆる機械学習を含むシステムの開発や運用を工学的な観点でもっと改善ができないかという取り組みもあります
ということで、コンピュータビジョン技術の実用化と一言に言っても様々な難しさがあります
このあたりを実際に最先端の技術でビジネス展開している講師の方々にお話を
- ビジネスの中でも、これまでにないビジネス領域を切り開いているベンチャー企業の方々にそれぞれのビジネス展開についてご講演いただきます
コンピュータビジョン技術を実ビジネスとして成功させるためには何が重要かを議論し、今後のビジネス検討に活かせるディスカッションができればと思っております。
- まずは折角なので会場から
1. ビジネスにおける「精度」の考え方
ビジネス上、精度がどう定義されるのか、ビジネスにどう影響するのか
2. データ(データセット)
どう学習に必要なデータセットを集めている?コツとかある?
3. AIのビジネス活用の課題
なにか課題と感じていることはあるか?
4. 企業の研究・開発
大学における研究との違い、いわゆる「研究」以外の比重(泥臭いところとか)
5. AIブームについて
これからどうなっていくか