Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
SONYのNNC
OHNO
January 17, 2020
Research
0
310
SONYのNNC
OHNO
January 17, 2020
Tweet
Share
More Decks by OHNO
See All by OHNO
外観検査の難しさ
planeta
0
210
儲かるPython
planeta
0
170
画像処理ライブラリOpenCVの使い方0910
planeta
0
870
Pythonによる工業用カメラ画像取得事例
planeta
0
730
画像処理ライブラリOpenCVの使い方
planeta
0
540
機械学習による動作認識
planeta
0
510
画像類似度計算
planeta
0
1.1k
Tensorflow/Keras(Python)で作ったモデルをC++で使う
planeta
0
1.3k
Other Decks in Research
See All in Research
第20回チャンピオンズミーティング・サジタリウス杯ラウンド2集計 / Umamusume Sagittarius 2022 Round2
kitachan_black
0
700
Furm: 家具移動アプリケーションの提案 / IOTS2022-tsujinaga
yumulab
0
260
ABEMAにおけるサムネイル検証とOPE活用
ebisawahayata
1
850
データ分析の進め方とニュースメディアでのデータ活用事例 / data-analysis-in-kaggle-and-news-media
upura
0
480
ランダム行列から深層学習へ
clustervr
PRO
0
480
zk-SPARQL: SPARQLクエリに対して検証とプライバシ保護が可能な結果を返すパーソナルRDFデータストア
yamdan
0
280
最長一致法のためのサブワード正則化手法(MaxMatch-Dropout)とその周辺の話
tathi
0
250
【マケデコ】JPX Kaggleコンペ5位解法共有
ghtaro
1
300
Synthetic Control Method(合成コントロール法)1
masakat0
0
290
傾向スコアのモデルに含める共変量選択のアプローチ
tomoshige_n
1
750
論文解説 Latent Diffusion Model
koharite
0
550
ベイズ能動学習による統計的実験計画~ベイズ最適化・能動的レベル集合推定の基礎と応用~
mayumichqm
0
210
Featured
See All Featured
JazzCon 2018 Closing Keynote - Leadership for the Reluctant Leader
reverentgeek
175
9.1k
The Mythical Team-Month
searls
210
40k
Clear Off the Table
cherdarchuk
79
290k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
24
4.6k
Optimizing for Happiness
mojombo
365
64k
Robots, Beer and Maslow
schacon
154
7.3k
Infographics Made Easy
chrislema
235
17k
The Art of Programming - Codeland 2020
erikaheidi
36
11k
StorybookのUI Testing Handbookを読んだ
zakiyama
8
3.2k
BBQ
matthewcrist
75
8.1k
Keith and Marios Guide to Fast Websites
keithpitt
407
21k
Intergalactic Javascript Robots from Outer Space
tanoku
261
26k
Transcript
プログラミング不要の ディープラーニングツール SONY の Neural Network Console 大野 宏 2020/1/11
Python機械学習勉強会in新潟Restart#10
ディープラーニングのツール ・caffe 画像認識で一世を風靡 開発者がfacebookに移籍してcaffe2を開発 ・Tnesoflow Googleが開発 利用者が最も多い Keras より簡単なライブラリ ・chainer
日本のベンチャー企業が開発・提供 最新技術が搭載 ・YOLO 高速で高性能 動画にも対応 ・Pytorch facebookが開発 chainerを参考 使い易い ・NNC プログラム無しで利用可
SONYのNNC(Neural Network Console) ・ドラッグ&ドロップでネットワークを作成 ・学習中の認識率を自動でグラフに表示 ・自動で条件を変えて認識率の計算も可能 ・ダウンロード版(Windows)とクラウド版(制限付き無料) SONYはクラウド(有料版)で収益 ・パラメータの入力には知識が必要 ・もともと社内向けに開発したものを公開
NNCの解説書 ・書籍 ①「ソニー開発のNeural Network Console入門 数式なし、 コーディングなしのディープラーニング」 自分のパソコンでCNN画像分類 ②【増補改訂・クラウド対応版】 CNN画像分類、RNNによる時系列予想と異常検知
・動画 Youtubeに解説が多数 分かりやすい
多数の事例 ・手書き数字の認識(MNIST) ・画像分類(cifar-10) ・URL https://dl.sony.com/ja/
畳み込みニューラルネットワーク 1998 ルカンらが畳み込みニューラルネットワーク (Convolutional Neural Networks)で文字認識 畳み込み層 局所的な特徴抽出 プーリング層 位置ずれを吸収
Y.Lecun,et al.”Gradient-based Learning Appplied to Document Recognition”,Proc. of The IEEE,1998 畳み込み層 プーリング層 入力層 出力層 プーリング層 畳み込み層 (1998 LeNet) 全結合層 0~9
SONYのNNC(Neural Network Console) ・CNNで画像分類 ネットワークの作成
学習
評価
製造現場での利用 ・学習済みモデルをPython、C++でも利用可能 (機械に実装する時に必要) import nnabla as nn from nnabla.utils import
nnp_graph nnp=nnp_graph.NnpLoader('results.nnp') graph=nnp.get_network('MainRuntime',batch_size=1) x=list(graph.inputs.values())[0] •y=list(graph.outputs.values())[0] from nnabla.utils.image_utils import imread img=imread('7.png') x.d=img.reshape(1,1,28,28)*1.0/255 y.forward() print(y.d)
値を予測するPrediction One ・AI×ビッグデータで値を予測 製造業:機器の故障予測で点検の効率化 出荷数予測により機会損失をなくす 小売・飲食業:売上を予測して余剰在庫を軽減 成約率を予測し効果的なアプローチ コールセンター業:オペレーターのシフト作成を簡単に カスタマーサポート:顧客ニーズを自動分類し傾向把握 不動産業:成約価格を予測し業務効率を向上
人事:社員や採用候補者の傾向を予測し適切な人事
Prediction One ・営業や総務に有効なツール https://predictionone.sony.biz/
まとめ ・プログラム無しでディープラーニングを使える ただし知識は必要 ・プログラム経験者にとって使いやすいか ある程度プログラム出来る人にとっては逆に使い辛い ただしサンプルが充実 ・プログラム未経験者に有効 周囲に仲間を増やすためのツール