Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Minami Aoyama Night#5 sen-corporation
Search
d9magai
January 18, 2018
Technology
0
710
Minami Aoyama Night#5 sen-corporation
https://minami-aoyama-night.connpass.com/event/75075/
d9magai
January 18, 2018
Tweet
Share
More Decks by d9magai
See All by d9magai
20200122_Amazon_Rekognition.pdf
d9magai
0
250
20191211_JAWS-UG_TOHOKU_Amazon_Rekognition.pdf
d9magai
0
260
サーバサイドエンジニアがフロントエンドを始めた時の試行錯誤
d9magai
6
3.4k
チーム開発のコードレビューにおける些末なコードレビューを避けるための提案
d9magai
0
420
20190212.pdf
d9magai
0
120
Amazon Rekognitionを使って親御さんの写真探しのお手伝いができた話
d9magai
0
2k
Other Decks in Technology
See All in Technology
いつの間にか入れ替わってる!?新しいAWS Security Hubとは?
cmusudakeisuke
0
140
Delta airlines®️ USA Contact Numbers: Complete 2025 Support Guide
airtravelguide
0
340
SRE不在の開発チームが障害対応と 向き合った100日間 / 100 days dealing with issues without SREs
shin1988
1
250
関数型プログラミングで 「脳がバグる」を乗り越える
manabeai
2
200
Reach American Airlines®️ Instantly: 19 Calling Methods for Fast Support in the USA
flyamerican
1
170
american airlines®️ USA Contact Numbers: Complete 2025 Support Guide
supportflight
1
110
PO初心者が考えた ”POらしさ”
nb_rady
0
220
開発生産性を測る前にやるべきこと - 組織改善の実践 / Before Measuring Dev Productivity
kaonavi
13
6.1k
インフラ寄りSREの生存戦略
sansantech
PRO
5
1.7k
United Airlines Customer Service– Call 1-833-341-3142 Now!
airhelp
0
170
AI専用のリンターを作る #yumemi_patch
bengo4com
6
4.3k
Getting to Know Your Legacy (System) with AI-Driven Software Archeology (WeAreDevelopers World Congress 2025)
feststelltaste
1
160
Featured
See All Featured
A Tale of Four Properties
chriscoyier
160
23k
It's Worth the Effort
3n
185
28k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
5.9k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
20
1.3k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
Fireside Chat
paigeccino
37
3.5k
Agile that works and the tools we love
rasmusluckow
329
21k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
229
22k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.8k
Practical Orchestrator
shlominoach
189
11k
Building Flexible Design Systems
yeseniaperezcruz
328
39k
Transcript
1 2018年01月 千 株式会社 Amazon Rekognitionを使って 親御さんの写真探しのお手伝いができた話
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
12 AWS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 Polly Amazon Transcribe... Amazon Rekognition Amazon Rekognition Video ChatBot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
13 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 ◦ 顔と顔が似ているかどうかの判定
14 Rekognitionの優位性 • 安い ◦ 初期費用不要、使った分だけ支払う従量課金 • 速い ◦ 処理速度が高速。前処理も検索処理も。
• 高精度 ◦ 試作品を用意し社内で実演したところ、十分な精度 既存のAWSの他サービスとの親和性も高く、 導入を決定してから1ヶ月程度でリリース
15 Rekognitionの課題点 • 東京リージョンにまだきてない問題 ◦ 2018/01時点、バージニア北部、オハイオ、オレゴン、アイルランド ◦ それらのリージョンで画像を持つと保管コスト2倍・・・ • 1画像から同時検出できる顔の数の上限が15である問題
◦ 15人以上写っている写真をうまく処理できない・・・
16 Rekognitionの課題点を解決 • 東京リージョンにまだきてない問題 ◦ 顔メタデータを作成後、S3上の画像を削除! ◦ 保管コストを抑える • 1画像から同時検出できる顔の数の上限が15である問題
◦ 分割して段階的に処理!次ページで解説
17 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 なお、現在のRekognitonは1画像あたり最大100個の顔を検出可能 分割処理は役目を終えました 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!
18 デモ 顔検索機能を実演します
19 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
20 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
21 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
22 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
23 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 ◦ 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
24 ご静聴ありがとうございました