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
Amazon Rekognitionを用いてフォロワーの男女比を出す
Search
Kazuki Ohashi
February 02, 2018
Technology
1
2.9k
Amazon Rekognitionを用いてフォロワーの男女比を出す
Amazon RekogntionとFace APIを比べながら、フォロワーの男女比を出してみました。
Kazuki Ohashi
February 02, 2018
Tweet
Share
More Decks by Kazuki Ohashi
See All by Kazuki Ohashi
larave_vue_graphql_supplementation
kzkohashi
1
870
Introduction to using GraphQL for a bit
kzkohashi
0
230
フォロワーがどの雑誌に興味があるのか可視化してみる / magazine-score
kzkohashi
0
680
Laravelを始めて DDDを実践するまで
kzkohashi
2
2k
Other Decks in Technology
See All in Technology
GitHub Issue Templates + Coding Agentで簡単みんなでIaC/Easy IaC for Everyone with GitHub Issue Templates + Coding Agent
aeonpeople
1
250
30万人の同時アクセスに耐えたい!新サービスの盤石なリリースを支える負荷試験 / SRE Kaigi 2026
genda
4
1.3k
【Ubie】AIを活用した広告アセット「爆速」生成事例 | AI_Ops_Community_Vol.2
yoshiki_0316
1
110
Agent Skils
dip_tech
PRO
0
120
[CV勉強会@関東 World Model 読み会] Orbis: Overcoming Challenges of Long-Horizon Prediction in Driving World Models (Mousakhan+, NeurIPS 2025)
abemii
0
140
Oracle Base Database Service 技術詳細
oracle4engineer
PRO
15
93k
量子クラウドサービスの裏側 〜Deep Dive into OQTOPUS〜
oqtopus
0
130
プロポーザルに込める段取り八分
shoheimitani
1
470
AIエージェントに必要なのはデータではなく文脈だった/ai-agent-context-graph-mybest
jonnojun
0
100
外部キー制約の知っておいて欲しいこと - RDBMSを正しく使うために必要なこと / FOREIGN KEY Night
soudai
PRO
12
5.6k
茨城の思い出を振り返る ~CDKのセキュリティを添えて~ / 20260201 Mitsutoshi Matsuo
shift_evolve
PRO
1
340
顧客の言葉を、そのまま信じない勇気
yamatai1212
1
360
Featured
See All Featured
RailsConf 2023
tenderlove
30
1.3k
ラッコキーワード サービス紹介資料
rakko
1
2.3M
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
60
42k
Leveraging Curiosity to Care for An Aging Population
cassininazir
1
160
Between Models and Reality
mayunak
1
190
SEO Brein meetup: CTRL+C is not how to scale international SEO
lindahogenes
0
2.3k
How to audit for AI Accessibility on your Front & Back End
davetheseo
0
180
Music & Morning Musume
bryan
47
7.1k
First, design no harm
axbom
PRO
2
1.1k
Optimising Largest Contentful Paint
csswizardry
37
3.6k
Scaling GitHub
holman
464
140k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
2.8k
Transcript
"NB[PO3FLPHOJUJPOΛ༻͍ͯ ϑΥϩϫʔͷஉঁൺΛग़͢ WEBΤϯδχΞษڧձ #05 େڮ Ұथ @kzkohashi
େڮҰथ!L[LPIBTIJ ΠϯϑϧΤϯαʔϚʔέςΟϯά αʔόαΠυ ϑϩϯτத৺ झຯΧϨʔϥΠε
ϑΥϩϫʔͷใ ݟͨ͜ͱ͋Γ·͔͢ʁ
4/4ͷϑΥϩϫʔใ *OTUBHSBNΠϯαΠτ 5XJUUFS"OBMZUJDT
ଞਓͷΓ͍ͨʂ
Ͳ͏ΕͰ͖ΔͩΖ͏ʁ ϑΥϩϫʔ ϑΥϩϫʔ
إೝࣝΛͬͯஉঁྨਪʁ w จࣈϕʔεͰͷஉঁྨਪͦ͠͏ w 4/4ʹΑͬͯจࣈ͕গͳ͍߹͕͋Δ w ϓϩϑΟʔϧը૾͔Βஉ͔ঁ͔ͳΜͱ͘ͳ͘ Θ͔Γͦ͏
બఆख๏ͷௐࠪ ֎෦"1* ࣗલ 'BDF"1* $MPVE7JTPO 7JTVBM3FDPHOJUJPO 0QFO#3 ࣌ؒͱ͑Δ͓ۚΛߟ͑ͯ֎෦"1*͔Βબఆʂ "NB[PO3FLPHOJUJPO
͜Μͳײ͡ 'BDF"1* "NB[PO3FDPHOJUJPO
બఆൺΔ w ຕͷ4/4ͷϓϩϑը૾Λ༻ҙ w உੑຕ ঁੑຕ ͦͷଞຕ w 'BDF"1*ͱ"NB[PO3FLPHOJUJPOͰൺֱ ͋ΔํͷૉΒ͍͠ϒϩάͰࣝผ͕͔ͳΓΑ͔ͬͨʂ
ൺͨ݁Ռ ਖ਼ छྨ உੑ ঁੑ ͦͷଞ Amazon Rekognition 112(68%) 174(75%)
512(92%) Face API 75(46%) 121(52%) 522(94%) ୯७ͳਖ਼"NB[PO3FLPHOJUJPO͕ଟ͍
ൺͨ݁Ռʢޡʣ छྨ ঁੑ Amazon Rekognition 13 Face API 5 छྨ
உੑ Amazon Rekognition 5 Face API 3 ͕͑ঁੑͷը૾ ͕͑உੑͷը૾ ޡ'BDF"1*ͷ΄͏͕গͳͦ͏
'BDF"1* "NB[PO3FLPHOJUJPO ޱͳͲݟ͑ͳ͍ͱ'BDF"1*ݕग़ͮ͠Β͍ʁ ݕग़ࣦഊ ݕग़ޭ
'BDF"1* "NB[PO3FLPHOJUJPO 4/4ը૾ਅਖ਼໘Λ͋·Γ͍ͯͳ͍ͨΊݕग़ʹ͕ࠩग़ͨʁ ݕग़ࣦഊ ݕग़ޭ
'BDF"1* "NB[PO3FLPHOJUJPO ࣝผޭ͚ͨ͠Ͳ Ұਓ͚ͩݕग़ ೋਓݕग़͚ͨ͠Ͳ ࣝผࣦഊ ݕग़ͪ͠Ό͑'BDF"1*ڧ͍ɾɾɾ
'BDF"1* "NB[PO3FLPHOJUJPO ͜͏͍͏͜ͱ͋Δʢসʣ ࣝผޭ͚ͨ͠Ͳ ͲͪΒঁੑͱޡೝࣝ
બఆ·ͱΊ w 'BDF"1*ͷ΄͏͕ਫ਼ྑͦ͞͏ w ͨͩɺޱͱ͔ӅΕͨΓ͍ͯ͠Δ4/4ը૾ͷݕग़ѱ͗͢Δ w ࣝผͱݕग़ͷόϥϯεͰ"NB[PO3FLPHOJUJPOʹܾఆ ʢ୯७ͳਖ਼ͳΒΑ͔ͬͨʣ "NB[PO3FLPHOJUJPO
"NB[PO3FLPHOJUJPOͱ w "84͕ఏڙ͍ͯ͠Δɺը૾ࣝผαʔϏε w إೝ͚ࣝͩͰͳ͘ɺΦϒδΣΫτʢؠͱ͔ʣͷݕग़ ൺֱͱ͔Ͱ͖Δ w ͍͍ͳͱࢥͬͨͷɺஉঁࣝผʹ৴པ͕͍͍ͭͯΔ ͍·͞Β
(FOEFS\ 7BMVF.BMF $POpEFODF ^ ৴པ ࣗͨͪͷαʔϏεʹԠͯ͡ᮢܾΊΕΔ
ΞʔΩςΫνϟ ϓϩϑը૾ μϯϩʔυ ϑΥϩϫʔใ σϑΥϧτը૾͔ ൱͔ Ξοϓϩʔυ ˞ ˞͓͍ۚͬͨͳ͍ͷͰɺσϑΥϧτը૾ͷਓল͍ͯΔ
IUUQL[LPIBTIJIBUFOBCMPHDPNFOUSZ ʢQZUIPOΛͬͯ03#ͱ1FSDFQUVBM)BTIͰը૾ͷྨࣅΛൺͯΈΔ ৴པͷᮢ உঁใ "NB[PO3FLPHOJUJPO KTPO
݁Ռ ͑ ঁੑ உੑ ࠓճͷγεςϜ ˞ ঁੑ உੑ ˞αϯϓϦϯάϥϯμϜͰׂ̍ఔ
·ͱΊ w ը૾ࣝผ"1*৭ʑ͋Δ w ༻్ʹ߹Θͤͯࣝผͱݕग़ͷόϥϯεͰબ w ϓϩϑը૾͚ͩͰஉঁൺͱΕͨ
͓·͚ ͜ͷൺʹຊʹͳΔͷ͔ࢼͨ͠ छྨ உੑ ঁੑ ͦͷଞ ࣗͰ͑Δ 65%(97) 35%(52) 12
Amazon Rekognition 46%(36) 54%(42) 22 Face API 51%(21) 49%(20) 121 ͳΔ΄Ͳɾɾɾ