はじめる人のびぎねっと。

プライバシーポリシー

びぎねっとITニュース

小田急電鉄、既設の駅構内カメラの映像を活用して深層学習技術の応用によりホームから線路への転落を自動検知するシステムの運用を開始

小田急電鉄は4月1日から、小田急線経堂駅と祖師ヶ谷大蔵駅において、既設の駅構内カメラの映像を活用してホームから線路への転落などを自動検知し、駅係員に発報する「転落検知システム」の運用を開始すると発表した。本システムは、パナソニックシステムソリューションズジャパンと連携して構築したもの。パナソニックの画像解析と深層学習技術を応用し、駅構内カメラの映像をリアルタイムに解析し、線路への人物の転落などを検知した際に駅事務所内の係員へ発報通知する。既に、2019年12月より両駅でカメラごとの検知エリア(ホーム端から線路)の設定や、人物と列車の区別するための事前学習を実施しており、ホームから転落した人物やホーム端に一定時間留まった触車の恐れがある人物を検知した際は、駅務室内の専用端末にアラートを出すとともに、カメラ映像を表示するという。

同社は、中期経営計画において鉄道の「先進的な技術による高度化」を掲げており、今後も安全性の向上に取り組み新たな技術導入などにも積極的に取り組んでいくという。

(川原 龍人/びぎねっと)

[関連リンク]
アナウンス

Kubernetesで機械学習のワークフローを生成できる「Kubeflow 1.0」リリース

Kubernetesで機械学習のワークフローを生成できる「Kubeflow 1.0」が3月3日(現地時間)、リリースされた。

 「Kubeflow」は、Kubernetesで機械学習のワークフローを生成できるツール。「Kubeflow」には、Jupyter NotebookとTensorFlowのためのコンポーネントが含まれており、パッケージングにはKsonnetが使われている。簡単なコマンドでKubernetesのマニフェストを生成することができることが特徴となっている。

 「Kubeflow 1.0」では、複数のコンポーネントが安定扱いとなった。これによって安定性が向上している。機能強化も加わっている。

 「kubeflow 1.0」は、Webサイトからダウンロードできる。

(川原 龍人/びぎねっと)

[関連リンク]
Blogによる記事

富士通、浜松市役所の支出業務に深層学習を活用した実証実験の結果を発表

富士通は2月20日、静岡県浜松市と共同で、年間約30万件におよぶ支出命令伝票を確認する市役所の支出業務における決裁・審査にAIを活用する実証実験を2019年6月から12月まで実施したと発表した。

本実証では、深層学習(DeepLearning)を用いて印鑑の印影を自動検出する富士通総研の物体検出技術と、帳票内の情報を自動検出するPFUのAI-OCR技術を組み合わせ、伝票や請求書の確認項目および不備を審査部門の確認前に検出し、その結果を活用して起案直後にシステム上で起案者や決裁者に通知するというもの。これにより、起案部門決裁と会計課審査間での差し戻しの発生を防げるため、決裁および審査業務を効率化できるという。

浜松市役所では、事務執行に必要な現金の支払前に金額や内容をチェックする支出業務の審査において、年間1万件を超える命令の差し戻しが発生していることを確認しており、その作業負荷が課題となっていた。この課題を解決するため、富士通と浜松市の過去の支出命令伝票をAIに学習させることで、AIが請求書の検出や内容分析を行い確認項目及び不備を自動検出する仕組みを開発し、浜松市役所様で実証した。

実証結果は、「人工知能(AI)が90%以上の精度で、起票された伝票と請求書の確認対象項目を自動検知することに成功。伝票起票部門での再起票や再決裁の業務が不要となり、年間約726時間の業務削減が見込まれる。これにより、会計課の出納審査グループにおける出納審査業務においても年間約4,600件の不備伝票への対応が不要となり、年間約871時間の削減が見込めるため、支出業務に関わる市役所業務全体でみると合計で年間最大約1,597時間もの業務時間削減につながる」となっている。

(川原 龍人/びぎねっと)

[関連リンク]
プレスリリース

Microsoft、深層学習向け最適化技術「DeepSpeed」を発表

Microsoftは2月13日(現地時間)、深層学習向け最適化技術「DeepSpeed」を発表した。

 「DeepSpeed」は、深層学習において自然言語モデルのトレーニング効率化を向上させる技術。大規模分散型深層学習向け並列化オプティマイザZeRO(Zero Redundancy Optimizer)を搭載しており、データの並列化に要するリソースを節約できる。「DeepSpeed」を利用することによって、分散型のモデル学習を簡単かつ効果的に実行できるようになり、1000億件にのぼるパラメータモデルにも対応できるようになるとしている。

 「DeepSpeed」は、GitHubから入手できる。

(川原 龍人/びぎねっと)

[関連リンク]
アナウンス

Facebook、機械学習フレームワーク「PyTorch 1.4」リリース

Facebookは1月15日(現地時間)、機械学習フレームワーク「PyTorch 1.4」をリリースした。

 「PyTorch」は、Python向けのテンソル操作やディープラーニング処理を集めたフレームワーク。NumPy、SciPy、Cythonなどを組み合わせることも可能。JITコンパイラを持ち、Torch Scriptを利用して既存のコードを利用できる。既存のPyTorchフレームワークとCaffe2のプロダクション機能を組み合わせることで、シームレスな機械学習の機能を提供する。

 「PyTorch 1.4」では、PyTorch Mobileが強化されたほか、分散モデル並列トレーニングやJavaバインディングが試験的に導入されるなど、いくつかの改善が施されている。

「PyTouch 1.4」は、GitHubからダウンロードできる。

(川原 龍人/びぎねっと)

[関連リンク]
Blogによる記事

Preferred Networks(PFN)、オープンソースの機械学習向けハイパーパラメーター自動最適化フレームワーク「Optuna 1.0」を正式公開

Preferred Networks(PFN)は1月14日、オープンソースの機械学習向けハイパーパラメーター自動最適化フレームワーク「Optuna 1.0」を正式に公開した。

Optunaは、ハイパーパラメータを最適化するための試行錯誤を自動化し、優れた性能を発揮するハイパーパラメータの値を自動的に発見する。PyTorch、TensorFlow、Keras、FastAI、scikit-learn、LightGBM、XGBoost を含む様々な機械学習ライブラリに対応しており、複数の計算機での並列実行をサポートしている。探索空間はPythonの制御構文で記述できる。また、様々な可視化手段を提供し、最適化結果を多面的に分析できる。

PFNは今後も最新の機械学習研究の成果を迅速に取り入れ、OSSコミュニティと連携しながらOptunaの開発・普及を推進していくとしている。

(川原 龍人/びぎねっと)

[関連リンク]
Optuna

アドバンスド・メディア、AI音声認識APIを提供する開発プラットフォームを一般公開

 アドバンスト・メディアは2019年12月、音声認識APIを提供する開発プラットフォーム「AmiVoice Cloud Platform」の一般公開を開始した。

 「AmiVoice」は、日本語に強い音声認識エンジンで最新の深層学習技術を備えた音声認識API。音声文字化、音声対話、音声翻訳などを行うアプリケーションなどに組み込むことを想定している。「AmiVoice」は、第1弾として汎用エンジンを搭載したものが公開されており、リアルタイム認識(WebSocket対応API)とバッチ認識(HTTP対応API)が利用できる。
  
 価格は、初月無料使い放題(20日以降の申込は翌月まで無料)・毎月60分まで無料で利用できる。以降は従量課金制で1秒あたり0.025円、音声データのログを残さないプランは1秒0.04円。

(川原 龍人/びぎねっと)

[関連リンク]
アナウンス

キヤノン、群衆人数をリアルタイムにカウントできる機能を拡充した映像解析ソフトウェア「People Counter Pro」を発表

キヤノンマーケティングジャパンは12月19日、ネットワークカメラの映像から、約1500人までの群衆人数をカウントできる機能や、カウントした人数データをグラフ化する機能を備えた映像解析ソフトウェア「People Counter Pro」を2019年12月下旬から発売すると発表した。

「People Counter Pro」は、これまで提供してきた「エリア人数カウント」「通過人数カウント」機能に加え、ディープラーニングを応用した群衆人数を算出する映像解析技術を生かし、数千人規模の群衆人数をカウントできる機能「群衆人数カウント」や、カウントした人数データをグラフ化する機能「Data Dashboard」などを拡充した。同社は、ネットワークカメラと「People Counter Pro」を組み合わせた映像解析ソリューションを、公共施設、複合商業施設、レジャー施設、スタジアムや空港などに提案していくという。

(川原 龍人/びぎねっと)

[関連リンク]
ニュースリリース

理化学研究所、深層学習を利用した教師なし学習型のがん再発診断精度を上げる研究成果を発表

理化学研究所と日本医科大学の共同研究開発グループは12月18日、医師の診断情報が付いていない病理画像から、がんに関わる知識を人工知能が自力で獲得する技術を開発し、がんの再発の診断精度を上げる新たな特徴を見つけることに成功したと発表した。

今回、共同研究グループは、1枚あたり100億画素以上の前立腺病理画像から、人工知能が画像上のがんの特徴を人に教わることなく自動で取得し、それを人間が理解できる情報として出力することに成功したという。人工知能が発見した要素には、世界中で使われているがんの診断基準のほか、専門家も気づいていなかったがん領域以外の部位の特徴が含まれていたという。これらの要素の再発予測性能を確認するため、三つの大学病院の15,000枚以上の病理画像で検証したところ、現在の診断基準よりも高い精度で再発予測ができたとしている。病理医の診断と合わせて使うことで、予測精度をさらに上げることができたという。

現在の人工知能技術の主流であるディープラーニング(深層学習)では、学習にビッグデータを必要とするため、医師の診断情報が付いた大量の医療画像をどのように集めるかが実用化に向けた課題となっていた。共同研究グループは、複数のディープラーニングと非階層型クラスタリングを用いることで、病理画像から人間が理解できる情報を自動で取得する新たなAI技術の開発に成功した。今までは、医師が教えた診断をAIが学習する「教師あり学習」が医療分野では主に使用されてきたが、教師以上の分類はできないという限界があった。本研究では医師の診断を必要としない「教師なし学習」により獲得した特徴を、人が理解できるように変換し、再発期間のみを用いた最適な重み付けをAIに行わせることで、これまで不可能であったがんの未知なる情報の獲得を目指したとしている。

(川原 龍人/びぎねっと)

[関連リンク]
プレスリリース

Netflix、データサイエンス分野におけるワークフロー構築ライブラリ「Metaflow Python」ライブラリをオープンソース化

Netflixは12月2日(現地時間)、「Metaflow Python」ライブラリをオープンソース化したと発表した。

「Metaflow Python」はデータサイエンス分野において「人間中心の機械学習インフラ」に利用するライブラリ。ビジネスロジックをPythonのコードで表現する際、オブジェクト階層やパッケージ関連の問題などに惑わされることを回避し、かつ生産性を向上させるという。また、「Metaflow Python」は、「PyTorch」や「TensorFlow」「scikit-learn」などのデータサイエンスライブラリーと一緒に利用することもできる。

「Metaflow Python」は、GitHubに公開されている。

(川原 龍人/びぎねっと)

[関連リンク]
Blogによる記事
GitHub

 

このページのTOPへ

Powered by Wordpress