Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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

Slide 3

Slide 3 text

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

Slide 4

Slide 4 text

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

Slide 5

Slide 5 text

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

Slide 6

Slide 6 text

6 とある幼稚園の運動会の写真(約1万3千枚)

Slide 7

Slide 7 text

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

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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…

Slide 10

Slide 10 text

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

Slide 11

Slide 11 text

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

Slide 12

Slide 12 text

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

Slide 13

Slide 13 text

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

Slide 14

Slide 14 text

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

Slide 15

Slide 15 text

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・・・

Slide 16

Slide 16 text

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

Slide 17

Slide 17 text

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!

Slide 18

Slide 18 text

18 デモ 顔検索機能を実演します

Slide 19

Slide 19 text

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

Slide 20

Slide 20 text

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

Slide 21

Slide 21 text

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

Slide 22

Slide 22 text

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

Slide 23

Slide 23 text

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

Slide 24

Slide 24 text

24 ご静聴ありがとうございました