Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
Amazon Rekognitionで 「信玄餅きなこ問題」を解決する
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
usanchuu
February 14, 2026
Technology
1.3k
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Amazon Rekognitionで 「信玄餅きなこ問題」を解決する
2026/02/14 JAWS-UG山梨 【第10回】勉強会 での登壇資料です。
usanchuu
February 14, 2026
Transcript
17 slides
Amazon Rekognitionで 「信玄餅きなこ問題」を解決する 2026/02/14 JAWS-UG山梨 【第10回】勉強会 藤井 ひかり
① 検証内容の背景と「Amazon Rekognition」についてご紹介 ② 機械学習未経験者が、実際に「Amazon Rekognition」を 利用して「信玄餅きなこ問題」を解決してみる 今回の内容
発表者について フジイ ヒカリ と申します・x・ 社会人1年目:SIerのアーキテクチャチームでSEしてます AWSについて 保有資格:CLF,AIF,SAA ★昨年12月開催のJAWS-UG Presents -
AI Builders Dayを きっかけにAWSに興味をもち、現在絶賛勉強中です! X:@usanchuu
LT内容の背景:山梨×AWS 信玄餅の「きなこ問題」をAmazon Rekognitionで解決!
① 信玄餅と「Amazon Rekognition」についてご紹介
山梨県を代表する銘菓で柔らかい餅にきな粉をまぶし、黒蜜を かけて食べる和菓子 →きなこがこぼれてたべるのがむずかしい! 山梨の名産品 信玄餅の「きなこ問題」とは ① 信玄餅と「Amazon Rekognition」についてご紹介
おもに2種類の食べ方がある ① 信玄餅と「Amazon Rekognition」についてご紹介 ②風呂敷に出して食べる ①そのまま食べる 画像認識でどちらがきれいに食べられるか検証!
Amazon Rekognitionとは? ① 信玄餅と「Amazon Rekognition」についてご紹介 ★画像認識と動画分析の自動化サービス →機械学習の経験がなくても利用できる →事前にトレーニングされたAPIが提供されている →APIのカスタマイズも可能 ★「カスタムラベル」機能
:自動機械学習 (AutoML) によってカスタムオブジェクトを検出 →わずか10画像でモデルをトレーニング https://aws.amazon.com/jp/rekognition/ より
② Amazon Rekognitionを利用して 「信玄餅きなこ問題」を解決
検証環境構成 ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 S3に学習用画像をアップロード▶Amazon Rekognitionで学習 ▶Lambdaで判定用関数を作成▶テスト ※次のスライドで食べさし の写真がでます 苦手な方がいらっしゃった
ら申し訳ございません…
Birthday Cakeと判定された… 手順1:Amazon Rekognition汎用モデルを使ってみる ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 デモ>ラベル検出 でローカルから写真をアップロードするだけで 検出結果を表示してくれる!
手順1:Amazon Rekognitionカスタムモデルを作成する ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 ※次のスライドで食べさしの写真がでます。苦手 な方がいらっしゃったら申し訳ございません…
手順1:Amazon Rekognitionカスタムモデルを作成する ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 ・データセットの作成 ・学習用の画像をアップロード したS3バケットをデータセット に登録
▼ ・ラベルを作成 ・wrapping cloth(風呂敷) ・kinako(きなこ) ▼ ・1枚ずつラベルに該当するオブ ジェクトを囲む
手順1:Amazon Rekognitionカスタムモデルを作成する ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 ・モデルを使用して検証 ・Amazon CLI上に検証したい 画像をアップロード
▼ ・画像分析APIコードを実行 ★信頼度スコアがデフォルトで は50%になっているため調整 ▼ ・設定したラベルの物体の座標 データが出力される
手順2:Lambdaで信玄餅マスター判定ロジックを実装 ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 def 判定ロジック(きな粉, 風呂敷): # 1. 物理判定:そもそもはみ出していな
いか? if きな粉の外側 > 風呂敷の外側: return "OUT (物理的にこぼれてい る)" # 2. 美学判定:ギリギリすぎないか? margin = 0.01 # 安全マージン 1% if 風呂敷のフチまでの距離 < margin: return " 🚨OUT (こぼれています)" return " ✅SAFE (信玄餅マスター)"
② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 case2:風呂敷に出す case1:そのまま 手順2:Lambdaで信玄餅マスター判定ロジックを実装
まとめ ★汎用モデルでうまく検出できないニッチなオブジェクトはカスタムラベル で解決できる! 機械学習経験がなくてもAmazon Rekognitionは使える! ★単なる検知だけでなく、座標を使えばロジックが組める! 身近な問題も解決できるポテンシャルがある!
More Decks by usanchuu
See All by usanchuu
S3 Filesで挑む! 八戸せんべい汁の食べ頃問題
usanchuu
0
240
名古屋の市バスGTFS-JPデータ×スガキヤ 最寄りバス停検索をAmazon ElastiCache Serverless for Valkeyで最適化する
usanchuu
1
1.4k
Server-TimingとDevOpsエージェントを用いたLambdaコンテナの動的ルーティング制御
usanchuu
0
86
AmazonRoute 53ではじめてのドメイン取得!HTTPS化までの道のりを整理してみた
usanchuu
3
210
ラーメンにお酢が馴染む時間を計算したら麺が伸びそうになったので、 AWS Lambda Power TuningとManaged Instancesで爆速化する
usanchuu
1
230
AmazonAthenaで 競馬データをParquet化する
usanchuu
0
150
Amazon S3 Vectorsを使って資格勉強用AIエージェントを構築してみた
usanchuu
4
630
Reachability Analyzer VS Kiro CLI ~ネットワークがつながらないとき、どっちを使う?~
usanchuu
1
140
Other Decks in Technology
See All in Technology
その修正で本当に速くなったのか? k6とOpenTelemetryで確かめる性能改善 / Performance review with k6 and OpenTelemetry
ymotongpoo
3
340
そのイメージ、どのCIが作った? Artifact Attestationsで来歴を固定する / Which CI system created that image? Pinning provenance with Artifact Attestations
chmikata
0
140
認知負荷の減らし方 ~開発にも日常業務にも活かせるノウハウ~
minorun365
PRO
12
8.3k
AIネイティブ組織の作り方。1人のPOとAIから始める、自社での実験
ama_ch
2
1.2k
Context parameters で作る!はじめての型クラス
kworkdev
PRO
1
160
Test Impact Analysis を武器に立ち向かう、AI 時代のテスト増加に対するヌーラボのアプローチ / getting-started-datadog-test-impact-analysis
k6s4i53rx
0
260
Oracle Base Database Service 技術詳細
oracle4engineer
PRO
17
120k
さようならSSH鍵、こんにちはゼロトラスト ― AIフレンドリーで快適な自宅鯖SSH
atalie2m
14
7.3k
落とし穴にハマってわかった 開発生産性を測るときに気をつけたいこと
munakata
3
460
信頼性を犠牲にせず、PR マージからデプロイまで人の介入を完全にゼロにするまでの道のり
knwoop
2
1.7k
市販IoT機器や自作IoT機器とHomeAssistantを駆使して家の電気代をできる限り見える化する方法の考案
harutiro
0
400
cdkdがどんだけ早いか、実際に動かして見てみよう
smt7174
1
140
Featured
See All Featured
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
38
3.1k
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
2
4k
Self-Hosted WebAssembly Runtime for Runtime-Neutral Checkpoint/Restore in Edge–Cloud Continuum
chikuwait
0
960
Why You Should Never Use an ORM
jnunemaker
PRO
61
10k
Mind Mapping
helmedeiros
1
440
Typedesign – Prime Four
hannesfritz
42
3.2k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
1.1k
Organizational Design Perspectives: An Ontology of Organizational Design Elements
kimpetersen
PRO
1
880
Reality Check: Gamification 10 Years Later
codingconduct
0
2.4k
Bootstrapping a Software Product
garrettdimon
PRO
306
120k
Into the Great Unknown - MozCon
thekraken
41
2.8k
Taking LLMs out of the black box: A practical guide to human-in-the-loop distillation
inesmontani
PRO
3
2.5k