$30 off During Our Annual Pro Sale. View Details »
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
850
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
シニアソフトウェアエンジニアになるためには
kworkdev
PRO
3
180
エンジニアリングをやめたくないので問い続ける
estie
2
1.2k
IAMユーザーゼロの運用は果たして可能なのか
yama3133
2
490
regrowth_tokyo_2025_securityagent
hiashisan
0
260
20251218_AIを活用した開発生産性向上の全社的な取り組みの進め方について / How to proceed with company-wide initiatives to improve development productivity using AI
yayoi_dd
0
140
Lookerで実現するセキュアな外部データ提供
zozotech
PRO
0
170
Amazon Quick Suite で始める手軽な AI エージェント
shimy
0
280
Haskell を武器にして挑む競技プログラミング ─ 操作的思考から意味モデル思考へ
naoya
7
1.6k
MLflowダイエット大作戦
lycorptech_jp
PRO
1
140
AI駆動開発の実践とその未来
eltociear
1
250
AlmaLinux + KVM + Cockpit で始めるお手軽仮想化基盤 ~ 開発環境などでの利用を想定して ~
koedoyoshida
0
110
Strands AgentsとNova 2 SonicでS2Sを実践してみた
yama3133
0
310
Featured
See All Featured
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
17k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
710
Raft: Consensus for Rubyists
vanstee
141
7.2k
16th Malabo Montpellier Forum Presentation
akademiya2063
PRO
0
21
Visual Storytelling: How to be a Superhuman Communicator
reverentgeek
2
390
Typedesign – Prime Four
hannesfritz
42
2.9k
Speed Design
sergeychernyshev
33
1.4k
Stewardship and Sustainability of Urban and Community Forests
pwiseman
0
67
Bioeconomy Workshop: Dr. Julius Ecuru, Opportunities for a Bioeconomy in West Africa
akademiya2063
PRO
0
25
職位にかかわらず全員がリーダーシップを発揮するチーム作り / Building a team where everyone can demonstrate leadership regardless of position
madoxten
47
33k
GitHub's CSS Performance
jonrohan
1032
470k
Design of three-dimensional binary manipulators for pick-and-place task avoiding obstacles (IECON2024)
konakalab
0
300
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