JAWS DAYS 2018 Iトラック https://jawsdays2018.jaws-ug.jp/session/1260/
1JAWS DAYS 2018Amazon Rekognitionを使って親御さんの写真探しのお手伝いができた話
View Slide
2自己紹介● 名前：熊谷大地● 所属：千株式会社ものづくり部マネージャー現在は新規サービスの開発を担当
3目次● はいチーズ！の紹介○ はいチーズ！というWebサービス○ はいチーズ！の課題● Amazon Rekognition導入の経緯と結果○ 導入の経緯○ その結果
4の紹介幼稚園・保育園中心に全国5000団体が利用する写真販売サービス導入メリット【幼稚園保育園などの団体様】 撮影・印刷・掲示・代金回収等の手間から解放される【保護者様】 写真購入がいつでも・どこでも・手軽に導入前導入後
5はいチーズ！カメラマンは、保護者のために、“園児一人一人が主人公の写真”を沢山撮る大規模園は園児200名以上。多いイベントでは“１万枚以上の中から、我が子の写真を探す”必要性ユーザの中には共働き世帯も多く忙しい。写真探しに時間がかかる。忙しい保護者を助けたい！の課題
6とある幼稚園の運動会の写真（約1万3千枚）
7課題に対する解決策“我が子の写真を簡単に探せる”「顔検索機能」を実現したい！我が子の顔写真をアップロード→検索結果表示顔写真アップロード 検索結果表示
8● これまでも、いくつか顔認識製品を検証してきた○ 「速い、安い、高精度」がなかなか見つからない…● 顔認識エンジンを社内で開発することも検討○ 技術的に困難…顔検索機能実現のために
9● これまでも、いくつか顔認識製品を検証してきた○ 「速い、安い、高精度」がなかなか見つからない…● 顔認識エンジンを社内で開発することも検討○ 技術的に困難…顔検索機能実現のために自社サービスに実用的なインテリジェンスを追加することは無理なのか…
10● これまでも、いくつか顔認識製品を検証してきた○ 「速い、安い、高精度」がなかなか見つからない…● 顔認識エンジンを社内で開発することも検討○ 技術的に困難…顔検索機能実現のために諦めかけたその時、一筋の光明が差してきました！ Amazon Rekognition
11目次● はいチーズ！の紹介○ はいチーズ！というWebサービス○ はいチーズ！の課題● Amazon Rekognition導入の経緯と結果○ 導入の経緯○ その結果
12AWSのAI 3つのレイヤー・3種類のサービスサービス 学習済みのAIを使いたいプラットフォーム 機械学習でAIを開発したいインフラ・フレームワーク 機械学習でAIを開発したいAmazon Lex Amazon PollyAmazon Transcribe...Amazon RekognitionAmazon Rekognition VideoChatBotを作るためのサービス自然言語処理のためのサービス画像や動画の分析ができるサービス
13Amazon Rekognitionとは● AmazonのAIサービスの1つ○ 学習済みのAIをサービスとして利用可能● Rekognitionでできること○ 画像の物体、シーン、顔の検出○ 顔の表情の分析○ 有名人の認識○ テキストの認識○ 顔と顔が似ているかどうかの判定これで顔検索を実現できる！
14RekognitionのAPI顔検索する場合に必要なAPIは以下の３つ• CreateCollection顔コレクションを作成• IndexFaces顔メタデータ（顔の特徴を表すベクトル）を顔コレクションに追加• SearchFacesByImage指定した画像で顔コレクション内の類似画像を検索
151.顔コレクションを作成。入れ物を作る顔分析用Rekognitionで顔検索する手順AWS SDKAWS SDKAWS SDKFace Collectiontest_faces被検索画像指定※被検索画像に対して実行※メタデータ（特徴情報）のみ保持検索画像指定※検索画像も被検索画像も、S3上にある前提CreateCollection(collection-id test_faces )画像分析顔メタデータ追加SearchFacesByImage画像分析検索画像用検索！検索結果(JSON)を応答IndexFaces2.顔メタデータを追加。入れ物に顔を入れる3.指定した画像で顔コレクション内の類似画像を検索
16Rekognitionの優位性他社製品と比較して、Rekognitionが優位なポイント• S3上の画像を直接処理できるS3とRekognitionの高い親和性• 顔メタデータ作成がスケール１日数十万枚処理することもあるので、スケーラビリティ必須• 顔メタデータ保持コストが安い1 か月あたり、顔メタデータ 1,000 件あたりの保持コスト => 0.01 USD• 精度が高い日本人かつ幼児が検索対象でも認識率や検索精度は高い• 検索が速い数万件以上の顔メタデータから、１、２秒で検索結果を応答
17Rekognition 2つの課題点(当時)● 東京リージョンにまだきてない問題(当時)● 1画像から同時検出できる顔の数が上限15である問題(当時)● 多くの優位性を兼ね備えたRekognition● 導入を決定してから1ヶ月程度でリリースしかし、Rekognitionには課題もありました・・・（当時）
18東京リージョンにまだ来てない問題(当時)● Rekognitionは同リージョンのS3に対して処理が可能○ 当時はバージニア北部、オレゴン、アイルランドのみ○ はいチーズ！の画像は東京リージョンのS3にある● 東京リージョンから他リージョンへ画像コピーが必要？=>S3コスト保管コスト2倍・・・
19東京リージョンにまだ来てない問題 解決策顔メタデータ作成後にライフサイクルで画像を削除！○ 顔メタデータ作成後は画像は不要○ バケットのライフサイクルで、一定時間経過で削除○ 配信に使うのは東京リージョンの画像東京 オレゴン画像をコピーオレゴンの画像は一定時間で消えるイベントをトリガーにlambda起動 IndexFacesを実行
20ちなみに・・・AWSさん、ありがとうございます！
21● 顔検出のための制約がある(当時)○ 1画像から同時に検出できる上限が15人○ 小さい顔は検出できない■ 画像の短辺の5%以上ないと検出されない● 「顔が小さく、大人数」＝「集合写真」が扱えない1画像から同時検出できる顔の数が上限15である問題(当時)
22黄色と緑の枠で分割して処理↓検出数が15に達したら、さらに点線で分割して処理1画像から同時検出できる顔の数が上限15である問題 解決策分割して段階的に処理して解決！
23ちなみに・・・● 現在は1画像あたり最大100個検出可能(人混みモード)。● 分割処理は役目を終えました。弊社のコメント→弊社からフィードバック→機能追加！ありがとうございます！
24デモ＜ご注意ください＞デモ画面の園児の写真は、写真撮影はご遠慮くださいますよう、お願い致します。
25原因を考察● 検索に使用する画像を持っていない● 検索に適した画像をアップしていない● 子どもの画像をアップすることに抵抗感がある顔検索機能 導入結果● ベータリリースとして、一部のお客様にご利用頂いた● 効果がなかなか現れず、使用率が低い時期が続いた
26原因を考察● 検索に使用する画像を持っていない● 検索に適した画像をアップしていない● 子どもの画像をアップすることに抵抗感がある解決策画像をアップロードしなくても機能が使えるようにすれば良さそう
27おすすめ写真機能を導入おすすめ写真機能注文履歴を分析そのユーザが購入したい子の顔を特定その顔を使って写真検索検索結果を「おすすめ写真」として表示 おすすめ写真
28おすすめ写真機能 導入結果ユーザの使用率が向上！結果、コンバージョン率が向上！※ここで言うコンバージョン率とは、ある写真を実際に購入したユーザーの数をその写真のページを見たユーザーの数で割った時のパーセンテージ
29まとめAIの力で、忙しいママ・パパの我が子の写真探しをお手伝いすることができました○ コストを抑えて、スピード感のある開発ができる○ 弊社からフィードバック送信→機能開発○ 忙しいママ・パパを助けたいという思い○ 新しい技術を即検証・即本番投入
30ご静聴ありがとうございました※エンジニア募集中です！
d9magai
k1low
tacck
onlinesalon
ikumatadokoro
nagix
route06
naohachi89
kgsi
chumajin
murachiakira
sansantech
bengo4com
myddelton
lara
tmm1
aki_iinuma
philhawksworth
productmarketing
holman
bkeepers
tanoku
colly
gr2m