Submit Search
Upload
コンピュータビジョン技術の実応用とビジネス
•
Download as PPTX, PDF
•
11 likes
•
6,233 views
Yusuke Uchida
Follow
画像センシングシンポジウム(SSII'18)のオーガナイズドセッション「コンピュータビジョン技術の実応用とビジネス」におけるイントロ資料です
Read less
Read more
Technology
Report
Share
Report
Share
1 of 17
Download now
Recommended
クラウドの進化とメディア理解の発展
クラウドの進化とメディア理解の発展
Osaka University
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
機械学習システムの品質保証に向けた課題とコンソーシアム活動
機械学習システムの品質保証に向けた課題とコンソーシアム活動
Hideto Ogawa
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
Kazuyuki Miyazawa
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
CV分野での最近の脱○○系3選
CV分野での最近の脱○○系3選
Kazuyuki Miyazawa
Ai from-digital-transformation:ポエムなAI はもう終わりにしよう:クラウドによる市民革命とAIによる産業革命
Ai from-digital-transformation:ポエムなAI はもう終わりにしよう:クラウドによる市民革命とAIによる産業革命
Osaka University
UXDの職能要件とキャリアパスについて
UXDの職能要件とキャリアパスについて
Recruit Technologies
Recommended
クラウドの進化とメディア理解の発展
クラウドの進化とメディア理解の発展
Osaka University
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
機械学習システムの品質保証に向けた課題とコンソーシアム活動
機械学習システムの品質保証に向けた課題とコンソーシアム活動
Hideto Ogawa
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
Kazuyuki Miyazawa
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
CV分野での最近の脱○○系3選
CV分野での最近の脱○○系3選
Kazuyuki Miyazawa
Ai from-digital-transformation:ポエムなAI はもう終わりにしよう:クラウドによる市民革命とAIによる産業革命
Ai from-digital-transformation:ポエムなAI はもう終わりにしよう:クラウドによる市民革命とAIによる産業革命
Osaka University
UXDの職能要件とキャリアパスについて
UXDの職能要件とキャリアパスについて
Recruit Technologies
(in JP) IOT as Design of Our Lives
(in JP) IOT as Design of Our Lives
Osaka University
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
Recruit Technologies
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
Deep Learning Lab(ディープラーニング・ラボ)
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
Kazuyuki Miyazawa
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
リクルート式AIの活用法
リクルート式AIの活用法
Recruit Technologies
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Recruit Technologies
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologies
Kazuyuki Miyazawa
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた
[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた
Deep Learning Lab(ディープラーニング・ラボ)
LT(自由)
LT(自由)
Recruit Technologies
Smfl20201001
Smfl20201001
三井住友ファイナンス&リース デジタル開発室
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
DeNA
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
〜天気予報 API を活かしてビジネスを成功へ〜 ウェザーテック(WxTech)サービスの紹介
〜天気予報 API を活かしてビジネスを成功へ〜 ウェザーテック(WxTech)サービスの紹介
API Meetup
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
20190131 requirement aliance
20190131 requirement aliance
Kei Nakahara
More Related Content
What's hot
(in JP) IOT as Design of Our Lives
(in JP) IOT as Design of Our Lives
Osaka University
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
Recruit Technologies
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
Deep Learning Lab(ディープラーニング・ラボ)
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
Kazuyuki Miyazawa
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
リクルート式AIの活用法
リクルート式AIの活用法
Recruit Technologies
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Recruit Technologies
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologies
Kazuyuki Miyazawa
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた
[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた
Deep Learning Lab(ディープラーニング・ラボ)
LT(自由)
LT(自由)
Recruit Technologies
Smfl20201001
Smfl20201001
三井住友ファイナンス&リース デジタル開発室
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
DeNA
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
〜天気予報 API を活かしてビジネスを成功へ〜 ウェザーテック(WxTech)サービスの紹介
〜天気予報 API を活かしてビジネスを成功へ〜 ウェザーテック(WxTech)サービスの紹介
API Meetup
What's hot
(20)
(in JP) IOT as Design of Our Lives
(in JP) IOT as Design of Our Lives
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[Track2-5] CPUだけでAIをやり切った最近のお客様事例 と インテルの先進的な取り組み
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
リクルート式AIの活用法
リクルート式AIの活用法
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologies
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた
[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた
LT(自由)
LT(自由)
Smfl20201001
Smfl20201001
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
〜天気予報 API を活かしてビジネスを成功へ〜 ウェザーテック(WxTech)サービスの紹介
〜天気予報 API を活かしてビジネスを成功へ〜 ウェザーテック(WxTech)サービスの紹介
Similar to コンピュータビジョン技術の実応用とビジネス
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
20190131 requirement aliance
20190131 requirement aliance
Kei Nakahara
CNTK deep dive
CNTK deep dive
Kyoichi Iwasaki
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
Recruit Technologies
Future customer experience
Future customer experience
Katsuhiro Aizawa
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
Ken Azuma
Mirai carved out by innovations
Mirai carved out by innovations
Osaka University
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
Developers Summit
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Tsuyoshi Hirayama
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメント
伸夫 森本
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
Koichi Hamada
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
(事前共有)wakamonog meeting 12 パネルディスカッション企画 投影資料
(事前共有)wakamonog meeting 12 パネルディスカッション企画 投影資料
daikojima1
老舗メーカーにアジャイル型要求開発を導入してみました(中原慶)
老舗メーカーにアジャイル型要求開発を導入してみました(中原慶)
Kei Nakahara
人類kintoneマスター化計画
人類kintoneマスター化計画
Cybozucommunity
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
Ken Azuma
Vantan shinsuke miyaki_upload
Vantan shinsuke miyaki_upload
Shinsuke Miyaki
中堅・中小製造業のDX推進のポイント
中堅・中小製造業のDX推進のポイント
Naoshi Uchihira
RTTJapan 会社概要 140120
RTTJapan 会社概要 140120
RTT Japan K.K
MISO20200530
MISO20200530
陽平 山口
Similar to コンピュータビジョン技術の実応用とビジネス
(20)
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
20190131 requirement aliance
20190131 requirement aliance
CNTK deep dive
CNTK deep dive
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
Future customer experience
Future customer experience
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
Mirai carved out by innovations
Mirai carved out by innovations
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメント
データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
(事前共有)wakamonog meeting 12 パネルディスカッション企画 投影資料
(事前共有)wakamonog meeting 12 パネルディスカッション企画 投影資料
老舗メーカーにアジャイル型要求開発を導入してみました(中原慶)
老舗メーカーにアジャイル型要求開発を導入してみました(中原慶)
人類kintoneマスター化計画
人類kintoneマスター化計画
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
Vantan shinsuke miyaki_upload
Vantan shinsuke miyaki_upload
中堅・中小製造業のDX推進のポイント
中堅・中小製造業のDX推進のポイント
RTTJapan 会社概要 140120
RTTJapan 会社概要 140120
MISO20200530
MISO20200530
More from Yusuke Uchida
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
SIGNATE オフロードコンペ 精度認識部門 3rd Place Solution
SIGNATE オフロードコンペ 精度認識部門 3rd Place Solution
Yusuke Uchida
SIGNATE 鰹節コンペ2nd Place Solution
SIGNATE 鰹節コンペ2nd Place Solution
Yusuke Uchida
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
Yusuke Uchida
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
Yusuke Uchida
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Yusuke Uchida
Deep Fakes Detection
Deep Fakes Detection
Yusuke Uchida
モデルアーキテクチャ観点からの高速化2019
モデルアーキテクチャ観点からの高速化2019
Yusuke Uchida
モデル高速化百選
モデル高速化百選
Yusuke Uchida
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
Humpback whale identification challenge反省会
Humpback whale identification challenge反省会
Yusuke Uchida
DeNAにおける先端AI技術活用のチャレンジ
DeNAにおける先端AI技術活用のチャレンジ
Yusuke Uchida
Image Retrieval Overview (from Traditional Local Features to Recent Deep Lear...
Image Retrieval Overview (from Traditional Local Features to Recent Deep Lear...
Yusuke Uchida
深層学習を用いたコンピュータビジョン技術と運転行動モニタリングへの応用
深層学習を用いたコンピュータビジョン技術と運転行動モニタリングへの応用
Yusuke Uchida
畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向
Yusuke Uchida
PRMU研究会の今後のあり方について(NLP分野での取り組み紹介)
PRMU研究会の今後のあり方について(NLP分野での取り組み紹介)
Yusuke Uchida
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida
More from Yusuke Uchida
(20)
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
SIGNATE オフロードコンペ 精度認識部門 3rd Place Solution
SIGNATE オフロードコンペ 精度認識部門 3rd Place Solution
SIGNATE 鰹節コンペ2nd Place Solution
SIGNATE 鰹節コンペ2nd Place Solution
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
画像認識と深層学習
画像認識と深層学習
Semi supervised, weakly-supervised, unsupervised, and active learning
Semi supervised, weakly-supervised, unsupervised, and active learning
Deep Fakes Detection
Deep Fakes Detection
モデルアーキテクチャ観点からの高速化2019
モデルアーキテクチャ観点からの高速化2019
モデル高速化百選
モデル高速化百選
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Humpback whale identification challenge反省会
Humpback whale identification challenge反省会
DeNAにおける先端AI技術活用のチャレンジ
DeNAにおける先端AI技術活用のチャレンジ
Image Retrieval Overview (from Traditional Local Features to Recent Deep Lear...
Image Retrieval Overview (from Traditional Local Features to Recent Deep Lear...
深層学習を用いたコンピュータビジョン技術と運転行動モニタリングへの応用
深層学習を用いたコンピュータビジョン技術と運転行動モニタリングへの応用
畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向
PRMU研究会の今後のあり方について(NLP分野での取り組み紹介)
PRMU研究会の今後のあり方について(NLP分野での取り組み紹介)
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
コンピュータビジョン技術の実応用とビジネス
1.
コンピュータビジョン技術の 実応用とビジネス 株式会社ディー・エヌ・エー 内田 祐介
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
3.
コンピュータビジョン領域の市場規模 2https://www.dri.co.jp/auto/report/tractica/traccv.html
4.
コンピュータビジョン領域の市場規模 3https://www.dri.co.jp/auto/report/tractica/traccv.html
5.
深層学習による認識精度の向上 4 • 画像認識コンペILSVRCにおける クラス分類タスクのエラー率(top5 error)推移 –
エラー率が1/10に AlexNet ZFNet SENetResNet GooLeNet Ensemble http://image-net.org/challenges/talks_2017/ILSVRC2017_overview.pdf 深層学習ベースのモデル
6.
深層学習によるタスクの広がり 5[Liu+, ECCV'16] [He+,
ICCV’17] [Viola+, CVPR'01] 顔検出 [Lazebnik+, CVPR'06] マルチクラス物体検出 クラス分類 セグメンテーション ポーズ推定
7.
つまり 6 • 市場規模はうなぎのぼり • 精度もどんどん高まっている •
様々なタスクが現実的に解かれ始めた →AIブーム
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
12.
実応用上の機械学習システム 11 D. Sculley, et
al., “Hidden Technical Debt in Machine Learning Systems,” NIPS’15.
13.
実応用上の機械学習システム 12 D. Sculley, et
al., “Hidden Technical Debt in Machine Learning Systems,” NIPS’15.
14.
参考 13 • 日本ソフトウェア科学会機械学習工学研究会 https://sig-mlse.wixsite.com/kickoff – 機械学習工学研究会キックオフシンポジウムは 「業界あるある」と「共感」に満ちていた http://leapmind.io/blog/2018/06/12/mlsekickoff/ •
ML Ops – https://ml-ops.connpass.com/
15.
ビジネスモデル 14 • 自社技術をライブラリ/API等として販売 • 自社技術を利用して自社のプロダクト・ サービス・プラットフォームを展開 •
他社技術を活用して 自社サービス・プラットフォームを提供
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
17.
総合討論 16 1. ビジネスにおける「精度」の考え方 2. データ(データセット) 3.
AIのビジネス活用の課題 4. 企業の研究・開発 5. AIブームについて 会場からの質問も歓迎です!
Editor's Notes
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
Download now