作成日:2018/03/06
作成者:R&Dセンター 松井良行
弊社では、昨年夏頃から社長の掛け声の元、技術戦略会議の活動の中で、AIを自部門の業務で活用できないかどうかの検討を始めました。
株式会社テクムズ(http://www.tkmes.jp/)にAIやIoTの指導をいただいています。
主要テーマは、弊社の原点でもある"画像技術"のうち、AIでの実装が進んでいる"画像認識"に設定しました。
各部門・部署からAI活用検討をしてみたいテーマを応募したところ、17テーマが集まりました。
これらから
などを評価し、"実現できそうで効果が大きい"ものを選択した結果
下記のテーマを実施することとなりました。
各部門の部門長は技術戦略会議で、将来を見通した技術戦略面の検討を行い、戦略会議配下の分科会で、具体的な適用検討を進めていきます。
ディープラーニングには、膨大な学習データが必要ですが、データ作成に各部門が協力し、速やかに学習フェーズに入れるように配慮しています。
環境面においては、コンピューティングパワーが必要と言うことで、GPU(※1)を搭載したゲーミングPC(※2)を複数台新規購入し、モデルの学習を行える環境を構築し始めました。
新技術の検討・検証を担当するR&Dセンターでは、Tensorflow(※3)、Chainer(※4)などの主要なディープラーニングフレームワークを試験導入・検証し、「どうやったら自前のモデルを持てるのか」「どのように効率的な学習ができるのか」「学習したモデルをどのように活用できるのか」などを実行していきます。
ディープラーニングの手順
既存のモデルを使って、転移学習(or ファインチューニング)によって、画像識別をする実験を繰り返します。
株式会社UEI(https://www.uei.co.jp)を展示会で知り、早速DeepStationのエントリーモデルを導入しました。
"Chainer"という国産のディープラーニングフレームワーク+SONYが開発したGUIを採用した、使いやすい入門機です。わずか27万5000円という、圧倒的なコストパフォーマンス。
DeepStationは、R&Dセンターの机の上に鎮座し、各部門部署から使えるように解放されています。
※DeepStation https://deepstation.jp/hardware/#model-Basic
Chainerで学習
クラックの識別にトライ
装柱品の識別にトライ
R&DセンターのメンバーのPCリプレースで、HPのOmenというゲーミングPCを採用した際、全社PC導入担当は「R&Dの中二病PC(※7)」と形容しました。まさに、この見た目が派手なマッチョなマシンの上に、Anaconda(※8)(OpenCV(※9)、Python、Tensorflow、Chainer、Keras(※10))の環境を作り、Linuxのソフトウェアと格闘中です。
世の中に出ている、一般物体認識モデルであるVGG(※11)、Inceptionv3(※12)、一つの画像に含まれる複数の物体を高速に認識するSSD(Single Shot Multi Detector)(※13)、YOLO(※14)、Style Transformation(※15)、Pix2Pix(※16)など、将来使えそうか?
徹底的にやってみて、試してみて、自分たちの武器にできそうかどうかを判断します。
自前学習モデル構築のために、マシンが何時間も、酷いときには1週間も!稼働し続けているなんていう光景も、R&Dセンターでは日常になりました。(その結果、「全然だめだ」なんていうこともまた日常です。 )
このOmenというマシン、メモリ:32GB、SSD:512GB、HDD:2TB、GPU:Nvidia GeForce GTX1070を積んだ、ハイスペックなゲーミングPCでありながら、25万円程度で購入できるおすすめ機種です。
会社が求める"Windows10 Professional"の要件もクリアできます。
※HP Omen http://jp.ext.hp.com/desktops/personal/omen_hp_880_100jp/
Omen HP880
オリジナルの画像認識(識別)モデルを構築するために、まだまだ高いハードルの前で足踏みしている状態です。
なんとか自分たちでできそうな範囲が分かってきましたが、実業務で人の代わりに画像を判断できて、効率化に寄与している状態は程遠いというのが実感です。
一見学習が収束しているように見える認識精度でも、「100%の自信たっぷりって出てるのに、間違ってる!」となったり、「どうしてこれを誤認するんだろう?」「分類が良くないのかな?」「学習に使ったデータセットが悪いのかな?」「データが少ないのかな?」と悩みの連続です。
動画の物体認識
PCのリソースを食い尽くす
●富士見事務所 TEL : 052-228-8733 FAX : 052-323-3337
〒460-0014 愛知県名古屋市中区富士見町13−22 ファミール富士見711 地図
交通部 R&Dセンター