200306 AI概論と画像認識 Sigfoss 三井さん

AI概論と画像認識株式会社Sigfoss 三井篤＃RPALT

TEAM MEMBERS 代表取締役社長森英悟最高技術責任者（CTO）小林俊浩最高執行責任者(COO) 三井
篤テックリード濱崎優チーフアーキテクト高松和生管理部責任者篠崎亜季取引実績パーソルホールディングス、株式会社電通、株式会社電通ライブ、ヤフー株式会社、株式会社プリマジェスト、日立キャピタル株式会社、日本放送協会トヨタ・リサーチ・インスティチュート・アドバンスト・デベロップメント株式会社株式会社Sigfoss 創立 2014年1月社員取締役1名、正社員5名、アルバイト1名本店所在地東京都千代田区内神田2-11-4内神田金子ビル8F 取引銀行武蔵野銀行 Company Profile ＃RPALT

1 AI概論＃RPALT

1-1 歴史＃RPALT 第1次AIブーム 1950年代第2次AIブーム 1980年代第3次AIブーム 2010年代「推論と探索」
「知識表現」「機械学習」コンピューターがパズルや迷路を攻略するための推論と探索を行う仕組み。ハードの性能の限界と、ルールがシンプルで且つゴールが明確な枠組みの中でしか性能を発揮しなかったため衰退。エキスパートシステムと呼ばれるもの。専門家の知識をコンピューターに教え込むというもの。例外処理や矛盾が起きた際に柔軟に対応することが出来ず自然消滅。しかしながらこの時の知見は形を変えて現在もシステムに組み込まれていることがある。ディープラーニングの登場とクラウド環境の一般化、GPUに代表されるハードの進化の相乗効果により、急速に発展。特徴量を人間が教えずに脳科学的なアプローチ(ディープニューラルネットワーク)により学習と推定が可能になった。 2017年をAI元年と呼ぶ。

1-2 人工知能の全体感＃RPALT 強化学習教師あり学習教師無し学習深層学習
機械学習人工知能「推論と探索」「知識表現」「機械学習」

1-3 人工知能の概略図＃RPALT チップ NVIDIA GPU FPGA Google TPU Amazon
AWS FUJITSU Cloud Microsoft AZURE Google GCP フレームワーク Google TensorFlow Facebook caffe2 PFN Chainer Facebook Pytorch PaaS・マネージドサービス IBM Watson Microsoft Azure ML Google Cloud ML AMAZON AMAZON ML FUJITSU Zinrai アプリ・サービス自動運転異常検知機械翻訳 AI-OCR 自然言語処理音声認識画像解析機械学習需要予測文章生成物体検知画像分類スマートスピーカー Chatbot 話者認識レコメンドサイズ予測マッチング流行予測ダイナミックプライシング自動出荷発育予測自動飛行ドローン自立歩行ロボットハイパフォーマー分析要素技術サーバ

1-4 学習と推論＃RPALT 【図解】コレ1枚で分かる「学習と推論」

2 画像認識＃RPALT

2-1 画像認識技術＃RPALT Object Detection(物体検知) Classification(分類) Segmentation(区分け) Pose Estimation(姿勢推定)

2-1 画像認識技術＃RPALT https://gigazine.net/news/20180208-capsnet/#group=nogroup&photo=0

2-1 画像認識技術＃RPALT Pose Estimation(姿勢推定)

2-2 問いを立てる問 =人が運転しなくても良い自動車を開発したい人間の代わりに運転する仕組みを開発したい＃RPALT

2-3 問いを要素分解する運転とはハンドル操作アクセル/ブレーキの操作各種スイッチの操作障害物の補足道路の認識標識の認識標識の理解
道の理解交通ルールの理解情報の総合的な判断制御制御音声による操作カメラ、LiDAR、ミリ波カメラ、GPSセンサ、地図カメラ、GPSセンサ、地図ロジック？カメラ、GPSセンサ、地図ロジック？センサーフュージョン＃RPALT

2-4 要素技術に当てはめる運転とはハンドル操作アクセル/ブレーキの操作各種スイッチの操作障害物の補足道路の認識標識の認識標識の理解
道の理解交通ルールの理解情報の総合的な判断 Object Detection Object Detection Segmentation ＃RPALT

2-5 自動運転の課題＃RPALT ・モデルの軽量化・省力化・他のセンサー情報との融合・チップへの組み込み・上記を行ったうえでの性能維持

2-6 得意、不得意＃RPALT 得意：正解が自明であるものヒト、車、道路、木、損壊状況不得意：正解が自明でない、人の感性によるファッションセンス、イケメン判定

200306 AI概論と画像認識 Sigfoss 三井さん

200306 AI概論と画像認識 Sigfoss 三井さん

RPACommunity

More Decks by RPACommunity

Other Decks in Technology

Featured

Transcript

AI概論と画像認識株式会社Sigfoss 三井篤＃RPALT

TEAM MEMBERS 代表取締役社長森英悟最高技術責任者（CTO）小林俊浩最高執行責任者(COO) 三井

1 AI概論＃RPALT

1-1 歴史＃RPALT 第1次AIブーム 1950年代第2次AIブーム 1980年代第3次AIブーム 2010年代「推論と探索」

1-2 人工知能の全体感＃RPALT 強化学習教師あり学習教師無し学習深層学習

1-3 人工知能の概略図＃RPALT チップ NVIDIA GPU FPGA Google TPU Amazon

1-4 学習と推論＃RPALT 【図解】コレ1枚で分かる「学習と推論」

2 画像認識＃RPALT

2-1 画像認識技術＃RPALT Object Detection(物体検知) Classification(分類) Segmentation(区分け) Pose Estimation(姿勢推定)

2-1 画像認識技術＃RPALT https://gigazine.net/news/20180208-capsnet/#group=nogroup&photo=0

2-1 画像認識技術＃RPALT Pose Estimation(姿勢推定)

2-2 問いを立てる問 =人が運転しなくても良い自動車を開発したい人間の代わりに運転する仕組みを開発したい＃RPALT

2-3 問いを要素分解する運転とはハンドル操作アクセル/ブレーキの操作各種スイッチの操作障害物の補足道路の認識標識の認識標識の理解

2-4 要素技術に当てはめる運転とはハンドル操作アクセル/ブレーキの操作各種スイッチの操作障害物の補足道路の認識標識の認識標識の理解

2-5 自動運転の課題＃RPALT ・モデルの軽量化・省力化・他のセンサー情報との融合・チップへの組み込み・上記を行ったうえでの性能維持

2-6 得意、不得意＃RPALT 得意：正解が自明であるものヒト、車、道路、木、損壊状況不得意：正解が自明でない、人の感性によるファッションセンス、イケメン判定