SlideShare a Scribd company logo
1 of 42
Download to read offline
ASO BW R
.GEF 2CRCI J C C CCM 2C NKGKE 2G N NT
J N OaT Z
9 I 9SS ASO W U T IVW U
)LKPCKPO
*
+ ASO BW R z
, J N E OaT Z
- J N 9A@
. J N 9A@
ASO BW R Q i +)*0
HG GJ NL
o
+)*/ ASO BW R
Vry vg
( ©o o
z ʼ
ASO BW R z
ASO BW R Q i +)*0
Company ASO BW R
Established
in
+)*+ *+ +.
Capital
01* 21- +,.
r *-Bs
CEO
Major
Shareholder
aS QO WaO o
o KW W OW S
KS ab S CII o© C:8
©
Employees -0
Head Office
,&*.&,
,
r Vn
h o
o
ASO BW R Q i +)*0
6 l I
I 6
ASO BW R Q i +)*0
9SS ASO W U :RUS 8 Z baW U
Cloud
DoT
IoT
ASO BW R Q i +)*0
ASO BW Rg 8 QS a
HZO S O aS B S :TTWQWS a
C CK IC CCM 2C NKGKE LD FGKEO L
ASO BW R Q i +)*0
CSd ZO XSa T 9SS ASO W U 8 Z baW U
8O Qb OaW : cW ZS a
DLN
4CS NHCP ) IA I PGLK
KRGNLKJCKP
8O Qb OaW : cW ZS a
DLN )IL
ASO BW R Q i +)*0
Labeled data ML algorithm
Input data
Trained
network
prediction
Training
Prediction
Training is usually off-line
Needs a lot of time and power
Usually requires big GPU. (some new
ASIC chips are expected soon)
Has to be on-line
Time and power constraint
Usually less computation than training.
Currently GPU based. FPGA use expected
in the future
cloud
edge
9SS ASO W U :RUS 8 Z baW U
ASO BW R Q i +)*0
9SS ASO W U
Semantic Segmentation Object Detection
ASO BW R Q i +)*0
ASO BW R ISQV Ue
ASO BW R Q i +)*0
o
ASO BW R Q i +)*0
AB CSa
ASO BW R Q i +)*0
ASO BW R ISQV Ue
ASO BW R Q i +)*0
H SSR&b 6QVWScSZS a
(1) Intel Core i7-6800K CPU (3.40GHz)
(2) Dual-core ARM Cortex-A9 on 5CSEA6 (800MHz)
(3) Altera CycloneV 5CSEA6 (100MHz)
ASO BW R Q i +)*0
J N E OaT Z
ASO BW R Q i +)*0
ASO BW R o
ASO BW R Q i +)*0
ASO BW R o
ASO BW R Q i +)*0
企
画
企画
検討
プ
レ
リ
サ
ー
チ
要
件
定
義
リサーチ
設計・実装
学習・チューニング
HW化
導入
/運用
要件定義
リ
サ
ー
チ
学
習
デ
ー
タ
作
成
モ
デ
ル
設
計
モ
デ
ル
実
装
モ
デ
ル
学
習
モ
デ
ル
検
証
/
モ
デ
ル
圧
縮
パ
ラ
メ
ー
タ
ー
チ
ュ
ー
ニ
ン
グ
回
路
設
計
導
入
/
運
用
モ
デ
ル
の
再
学
習
モ
デ
ル
構
築
*&, y p*&, , h
導
入
準
備
ASO BW R Q i +)*0
ASO BW R o
•
•
•
•
• o z
• o
• SaQ
ASO BW R Q i +)*0
ASO BW R o
ASO BW R Q i +)*0
企
画
企画
検討
プ
レ
リ
サ
ー
チ
要
件
定
義
リサーチ
設計・実装
学習・チューニング
HW化
導入
/運用
要件定義
リ
サ
ー
チ
学
習
デ
ー
タ
作
成
モ
デ
ル
設
計
モ
デ
ル
実
装
モ
デ
ル
学
習
モ
デ
ル
検
証
/
モ
デ
ル
圧
縮
パ
ラ
メ
ー
タ
ー
チ
ュ
ー
ニ
ン
グ
回
路
設
計
導
入
/
運
用
モ
デ
ル
の
再
学
習
モ
デ
ル
構
築
*&, y p*&, , h
導
入
準
備
z z z z
ASO BW R Q i +)*0
企
画
企画
検討
プ
レ
リ
サ
ー
チ
要
件
定
義
リサーチ
設計・実装
学習・チューニング
HW化
導入
/運用
要件定義
リ
サ
ー
チ
学
習
デ
ー
タ
作
成
モ
デ
ル
設
計
モ
デ
ル
実
装
モ
デ
ル
学
習
モ
デ
ル
検
証
/
モ
デ
ル
圧
縮
パ
ラ
メ
ー
タ
ー
チ
ュ
ー
ニ
ン
グ
回
路
設
計
導
入
/
運
用
モ
デ
ル
の
再
学
習
モ
デ
ル
構
築
*&, y p*&, , h
導
入
準
備
ʼ
~z
ASO BW R Q i +)*0
企
画
企画
検討
プ
レ
リ
サ
ー
チ
要
件
定
義
リサーチ
設計・実装
学習・チューニング
HW化
導入
/運用
要件定義
リ
サ
ー
チ
学
習
デ
ー
タ
作
成
モ
デ
ル
設
計
モ
デ
ル
実
装
モ
デ
ル
学
習
モ
デ
ル
検
証
/
モ
デ
ル
圧
縮
パ
ラ
メ
ー
タ
ー
チ
ュ
ー
ニ
ン
グ
回
路
設
計
導
入
/
運
用
モ
デ
ル
の
再
学
習
モ
デ
ル
構
築
*&, y p*&, , h
導
入
準
備
9CC zz z
ASO BW R Q i +)*0
企
画
企画
検討
プ
レ
リ
サ
ー
チ
要
件
定
義
リサーチ
設計・実装
学習・チューニング
HW化
導入
/運用
要件定義
リ
サ
ー
チ
学
習
デ
ー
タ
作
成
モ
デ
ル
設
計
モ
デ
ル
実
装
モ
デ
ル
学
習
モ
デ
ル
検
証
/
モ
デ
ル
圧
縮
パ
ラ
メ
ー
タ
ー
チ
ュ
ー
ニ
ン
グ
回
路
設
計
導
入
/
運
用
モ
デ
ル
の
再
学
習
モ
デ
ル
構
築
*&, y p*&, , h
導
入
準
備
E 6 8EJ z z
ASO BW R Q i +)*0
o
w9SS ASO W U
/ L
)IGCKP NGEGK I
/ 21
~
ASO BW R Q i +)*0
J N 9 I
ASO BW R Q i +)*0
ASO BW R o
ASO BW R Q i +)*0
w9SS ASO W U
/ L
)IGCKP NGEGK I
/ 21
~
J N 9A@
ASO BW R Q i +)*0
ASO BW R
a kk
cd w
W MN KGKE CPA
a
CCM 2C NKGKE w
k h
, (fi Vs
tV a
f l p e h U
UmV o
ASO BW R Q i +)*0
J N 9A@
EJ
, (
L)
) (
MCK)2
(7
/KPCI
/ 21
8 SBA AAKB
CCKB IKB
ASO BW R Q i +)*0
J N 9A@
EJ
, (
L)
) (
MCK)2
(7
/KPCI
/ 21
8 SBA AAKB
44
ASO BW R Q i +)*0
CCKB ( IKB
IWO W 8VS r s
d( 9BA8 9W a WPbaSR 9SS BOQVW S ASO W U 8 ZZb Wae
BMCSa M 7 a IW e d
44 4C N I 4CPSLNH GNP I AFGKC
DCCM(8 SBA n o o o
9CC o© Tb W
CKOLN GNP I AFGKC
IS rv o s ©
t u SaQ
n ©o =L o
8EJ aS 6GB EJ D S 8A 8J96
Z2C M GK b, (esV u
J N 9A@
ASO BW R Q i +)*0
bO aWfOaW m
n *
n ,+PWa T Oa z 9CC
PWa W aSUS 4*q
n n z
l m
• 7CC q o *PWa
• 9 GS O q *PWa o +PWa
• SaQ
l m
• W SO bO aWfOaW r s
• U bO aWfOaW r s
• SaQ
n IS d 1PWa W SO bO aWfOaW
ASO BW R Q i +)*0
IS d $ o©
n t u © o©
l Oaa WPbaS3 m m SaQ
l
FWWaO IS d 6RcS a 8O S RO +)*0
t PCKOLNDILS CD K PCNK NT SCGEFP Y
ASO BW R Q i +)*0
ASO BW R o
ASO BW R Q i +)*0
o
w9SS ASO W U
/ L
)IGCKP NGEGK I
/ 21
~
ASO BW R Q i +)*0 --
W T 5 SO ZWZR W
Vaa 3(( SO ZW R W (
z ~zk

More Related Content

Similar to 2018年1月19日開催 IoTビジネス共創ラボ 第6回勉強会

x86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNTx86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNTtakesako
 
PBL1-v1-008j.pptx
PBL1-v1-008j.pptxPBL1-v1-008j.pptx
PBL1-v1-008j.pptxNAIST
 
オープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについて
オープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについてオープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについて
オープンソースで提供される第二のJVM:OpenJ9 VMとIBM JavaについてTakakiyo Tanaka
 
世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤
世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤
世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤capsmalt
 
スパイスモデル解説:ダイオードモデル編
スパイスモデル解説:ダイオードモデル編スパイスモデル解説:ダイオードモデル編
スパイスモデル解説:ダイオードモデル編Tsuyoshi Horigome
 
PBL1-v1-009j.pptx
PBL1-v1-009j.pptxPBL1-v1-009j.pptx
PBL1-v1-009j.pptxNAIST
 
チャットボットのためのサービス設計・開発入門(3月5日開催分)
チャットボットのためのサービス設計・開発入門(3月5日開催分)チャットボットのためのサービス設計・開発入門(3月5日開催分)
チャットボットのためのサービス設計・開発入門(3月5日開催分)KENZO OKANO
 
PBL1-v1-006j.pptx
PBL1-v1-006j.pptxPBL1-v1-006j.pptx
PBL1-v1-006j.pptxNAIST
 
【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ
【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ
【0528】チャットボットサービス設計・開発入門@渋谷サポーターズKENZO OKANO
 
HBMI_Workshop_Nagoya_Feb2015
HBMI_Workshop_Nagoya_Feb2015HBMI_Workshop_Nagoya_Feb2015
HBMI_Workshop_Nagoya_Feb2015Shin Yamamoto
 

Similar to 2018年1月19日開催 IoTビジネス共創ラボ 第6回勉強会 (12)

x86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNTx86x64 SSE4.2 POPCNT
x86x64 SSE4.2 POPCNT
 
PBL1-v1-008j.pptx
PBL1-v1-008j.pptxPBL1-v1-008j.pptx
PBL1-v1-008j.pptx
 
オープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについて
オープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについてオープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについて
オープンソースで提供される第二のJVM:OpenJ9 VMとIBM Javaについて
 
ILE-RPG Study 001
ILE-RPG Study 001ILE-RPG Study 001
ILE-RPG Study 001
 
世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤
世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤
世界におけるKubernetes活用状況と企業向けプライベートクラウド基盤
 
スパイスモデル解説:ダイオードモデル編
スパイスモデル解説:ダイオードモデル編スパイスモデル解説:ダイオードモデル編
スパイスモデル解説:ダイオードモデル編
 
PBL1-v1-009j.pptx
PBL1-v1-009j.pptxPBL1-v1-009j.pptx
PBL1-v1-009j.pptx
 
チャットボットのためのサービス設計・開発入門(3月5日開催分)
チャットボットのためのサービス設計・開発入門(3月5日開催分)チャットボットのためのサービス設計・開発入門(3月5日開催分)
チャットボットのためのサービス設計・開発入門(3月5日開催分)
 
PBL1-v1-006j.pptx
PBL1-v1-006j.pptxPBL1-v1-006j.pptx
PBL1-v1-006j.pptx
 
【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ
【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ
【0528】チャットボットサービス設計・開発入門@渋谷サポーターズ
 
論理回路2017 no.6
論理回路2017 no.6論理回路2017 no.6
論理回路2017 no.6
 
HBMI_Workshop_Nagoya_Feb2015
HBMI_Workshop_Nagoya_Feb2015HBMI_Workshop_Nagoya_Feb2015
HBMI_Workshop_Nagoya_Feb2015
 

More from LeapMind Inc

Final presentation optical flow estimation with DL
Final presentation  optical flow estimation with DLFinal presentation  optical flow estimation with DL
Final presentation optical flow estimation with DLLeapMind Inc
 
Survey on optical flow estimation with DL
Survey on optical flow estimation with DLSurvey on optical flow estimation with DL
Survey on optical flow estimation with DLLeapMind Inc
 
[Icml2019] mix hop higher-order graph convolutional architectures via spars...
[Icml2019]  mix hop  higher-order graph convolutional architectures via spars...[Icml2019]  mix hop  higher-order graph convolutional architectures via spars...
[Icml2019] mix hop higher-order graph convolutional architectures via spars...LeapMind Inc
 
[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...
[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...
[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...LeapMind Inc
 
[Icml2019] parameter efficient training of deep convolutional neural network...
[Icml2019] parameter efficient training of  deep convolutional neural network...[Icml2019] parameter efficient training of  deep convolutional neural network...
[Icml2019] parameter efficient training of deep convolutional neural network...LeapMind Inc
 
エッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なことエッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なことLeapMind Inc
 
20190227[EDLS]JAL's INNOVATION エアラインのAI活用
20190227[EDLS]JAL's INNOVATION エアラインのAI活用20190227[EDLS]JAL's INNOVATION エアラインのAI活用
20190227[EDLS]JAL's INNOVATION エアラインのAI活用LeapMind Inc
 
E20190227[EDLS]インテル®︎FPGAによるエッジAI
E20190227[EDLS]インテル®︎FPGAによるエッジAIE20190227[EDLS]インテル®︎FPGAによるエッジAI
E20190227[EDLS]インテル®︎FPGAによるエッジAILeapMind Inc
 
20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係
20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係
20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係LeapMind Inc
 
20180831 [DeLTA TECH] 深く青い脂
20180831 [DeLTA TECH] 深く青い脂20180831 [DeLTA TECH] 深く青い脂
20180831 [DeLTA TECH] 深く青い脂LeapMind Inc
 
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜LeapMind Inc
 
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)LeapMind Inc
 
20180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.1
20180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.120180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.1
20180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.1LeapMind Inc
 
20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説
20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説
20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説LeapMind Inc
 
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGAAn Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGALeapMind Inc
 
JUIZ DLK 組込み向けDeep Learningコンパイラ
JUIZ DLK 組込み向けDeep LearningコンパイラJUIZ DLK 組込み向けDeep Learningコンパイラ
JUIZ DLK 組込み向けDeep LearningコンパイラLeapMind Inc
 

More from LeapMind Inc (17)

Final presentation optical flow estimation with DL
Final presentation  optical flow estimation with DLFinal presentation  optical flow estimation with DL
Final presentation optical flow estimation with DL
 
Survey on optical flow estimation with DL
Survey on optical flow estimation with DLSurvey on optical flow estimation with DL
Survey on optical flow estimation with DL
 
[Icml2019] mix hop higher-order graph convolutional architectures via spars...
[Icml2019]  mix hop  higher-order graph convolutional architectures via spars...[Icml2019]  mix hop  higher-order graph convolutional architectures via spars...
[Icml2019] mix hop higher-order graph convolutional architectures via spars...
 
[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...
[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...
[Icml2019]LIT: Learned Intermediate Representation Training for Model Compres...
 
[Icml2019] parameter efficient training of deep convolutional neural network...
[Icml2019] parameter efficient training of  deep convolutional neural network...[Icml2019] parameter efficient training of  deep convolutional neural network...
[Icml2019] parameter efficient training of deep convolutional neural network...
 
エッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なことエッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なこと
 
20190227[EDLS]JAL's INNOVATION エアラインのAI活用
20190227[EDLS]JAL's INNOVATION エアラインのAI活用20190227[EDLS]JAL's INNOVATION エアラインのAI活用
20190227[EDLS]JAL's INNOVATION エアラインのAI活用
 
E20190227[EDLS]インテル®︎FPGAによるエッジAI
E20190227[EDLS]インテル®︎FPGAによるエッジAIE20190227[EDLS]インテル®︎FPGAによるエッジAI
E20190227[EDLS]インテル®︎FPGAによるエッジAI
 
20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係
20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係
20190227[EDLS]進化するAI on Edge 〜 CloudとEdgeの最適な関係
 
20180831 [DeLTA TECH] 深く青い脂
20180831 [DeLTA TECH] 深く青い脂20180831 [DeLTA TECH] 深く青い脂
20180831 [DeLTA TECH] 深く青い脂
 
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
20180831 [DeLTA TECH] 新・深層の世紀 〜第3集 ディープラーニング・時代はAIを求めた 〜
 
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
 
20180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.1
20180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.120180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.1
20180831 [DeLTA TECH] DeLTA-FamilyによるIndustry4.1
 
20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説
20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説
20180613 [TensorFlow分散学習] Horovodによる分散学習の実装方法と解説
 
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGAAn Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
An Introduction of DNN Compression Technology and Hardware Acceleration on FPGA
 
Pitch v2.2
Pitch v2.2Pitch v2.2
Pitch v2.2
 
JUIZ DLK 組込み向けDeep Learningコンパイラ
JUIZ DLK 組込み向けDeep LearningコンパイラJUIZ DLK 組込み向けDeep Learningコンパイラ
JUIZ DLK 組込み向けDeep Learningコンパイラ
 

Recently uploaded

論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムsugiuralab
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略Ryo Sasaki
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 

Recently uploaded (9)

論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 

2018年1月19日開催 IoTビジネス共創ラボ 第6回勉強会

  • 1. ASO BW R .GEF 2CRCI J C C CCM 2C NKGKE 2G N NT J N OaT Z 9 I 9SS ASO W U T IVW U
  • 2. )LKPCKPO * + ASO BW R z , J N E OaT Z - J N 9A@ . J N 9A@
  • 3. ASO BW R Q i +)*0 HG GJ NL o +)*/ ASO BW R Vry vg ( ©o o z ʼ
  • 5. ASO BW R Q i +)*0 Company ASO BW R Established in +)*+ *+ +. Capital 01* 21- +,. r *-Bs CEO Major Shareholder aS QO WaO o o KW W OW S KS ab S CII o© C:8 © Employees -0 Head Office ,&*.&, , r Vn h o o
  • 6. ASO BW R Q i +)*0 6 l I I 6
  • 7. ASO BW R Q i +)*0 9SS ASO W U :RUS 8 Z baW U Cloud DoT IoT
  • 8. ASO BW R Q i +)*0 ASO BW Rg 8 QS a HZO S O aS B S :TTWQWS a C CK IC CCM 2C NKGKE LD FGKEO L
  • 9. ASO BW R Q i +)*0 CSd ZO XSa T 9SS ASO W U 8 Z baW U 8O Qb OaW : cW ZS a DLN 4CS NHCP ) IA I PGLK KRGNLKJCKP 8O Qb OaW : cW ZS a DLN )IL
  • 10. ASO BW R Q i +)*0 Labeled data ML algorithm Input data Trained network prediction Training Prediction Training is usually off-line Needs a lot of time and power Usually requires big GPU. (some new ASIC chips are expected soon) Has to be on-line Time and power constraint Usually less computation than training. Currently GPU based. FPGA use expected in the future cloud edge 9SS ASO W U :RUS 8 Z baW U
  • 11. ASO BW R Q i +)*0 9SS ASO W U Semantic Segmentation Object Detection
  • 12. ASO BW R Q i +)*0 ASO BW R ISQV Ue
  • 13. ASO BW R Q i +)*0 o
  • 14. ASO BW R Q i +)*0 AB CSa
  • 15. ASO BW R Q i +)*0 ASO BW R ISQV Ue
  • 16. ASO BW R Q i +)*0 H SSR&b 6QVWScSZS a (1) Intel Core i7-6800K CPU (3.40GHz) (2) Dual-core ARM Cortex-A9 on 5CSEA6 (800MHz) (3) Altera CycloneV 5CSEA6 (100MHz)
  • 17. ASO BW R Q i +)*0
  • 18. J N E OaT Z
  • 19. ASO BW R Q i +)*0 ASO BW R o
  • 20. ASO BW R Q i +)*0 ASO BW R o
  • 21. ASO BW R Q i +)*0 企 画 企画 検討 プ レ リ サ ー チ 要 件 定 義 リサーチ 設計・実装 学習・チューニング HW化 導入 /運用 要件定義 リ サ ー チ 学 習 デ ー タ 作 成 モ デ ル 設 計 モ デ ル 実 装 モ デ ル 学 習 モ デ ル 検 証 / モ デ ル 圧 縮 パ ラ メ ー タ ー チ ュ ー ニ ン グ 回 路 設 計 導 入 / 運 用 モ デ ル の 再 学 習 モ デ ル 構 築 *&, y p*&, , h 導 入 準 備
  • 22. ASO BW R Q i +)*0 ASO BW R o • • • • • o z • o • SaQ
  • 23. ASO BW R Q i +)*0 ASO BW R o
  • 24. ASO BW R Q i +)*0 企 画 企画 検討 プ レ リ サ ー チ 要 件 定 義 リサーチ 設計・実装 学習・チューニング HW化 導入 /運用 要件定義 リ サ ー チ 学 習 デ ー タ 作 成 モ デ ル 設 計 モ デ ル 実 装 モ デ ル 学 習 モ デ ル 検 証 / モ デ ル 圧 縮 パ ラ メ ー タ ー チ ュ ー ニ ン グ 回 路 設 計 導 入 / 運 用 モ デ ル の 再 学 習 モ デ ル 構 築 *&, y p*&, , h 導 入 準 備 z z z z
  • 25. ASO BW R Q i +)*0 企 画 企画 検討 プ レ リ サ ー チ 要 件 定 義 リサーチ 設計・実装 学習・チューニング HW化 導入 /運用 要件定義 リ サ ー チ 学 習 デ ー タ 作 成 モ デ ル 設 計 モ デ ル 実 装 モ デ ル 学 習 モ デ ル 検 証 / モ デ ル 圧 縮 パ ラ メ ー タ ー チ ュ ー ニ ン グ 回 路 設 計 導 入 / 運 用 モ デ ル の 再 学 習 モ デ ル 構 築 *&, y p*&, , h 導 入 準 備 ʼ ~z
  • 26. ASO BW R Q i +)*0 企 画 企画 検討 プ レ リ サ ー チ 要 件 定 義 リサーチ 設計・実装 学習・チューニング HW化 導入 /運用 要件定義 リ サ ー チ 学 習 デ ー タ 作 成 モ デ ル 設 計 モ デ ル 実 装 モ デ ル 学 習 モ デ ル 検 証 / モ デ ル 圧 縮 パ ラ メ ー タ ー チ ュ ー ニ ン グ 回 路 設 計 導 入 / 運 用 モ デ ル の 再 学 習 モ デ ル 構 築 *&, y p*&, , h 導 入 準 備 9CC zz z
  • 27. ASO BW R Q i +)*0 企 画 企画 検討 プ レ リ サ ー チ 要 件 定 義 リサーチ 設計・実装 学習・チューニング HW化 導入 /運用 要件定義 リ サ ー チ 学 習 デ ー タ 作 成 モ デ ル 設 計 モ デ ル 実 装 モ デ ル 学 習 モ デ ル 検 証 / モ デ ル 圧 縮 パ ラ メ ー タ ー チ ュ ー ニ ン グ 回 路 設 計 導 入 / 運 用 モ デ ル の 再 学 習 モ デ ル 構 築 *&, y p*&, , h 導 入 準 備 E 6 8EJ z z
  • 28. ASO BW R Q i +)*0 o w9SS ASO W U / L )IGCKP NGEGK I / 21 ~
  • 29. ASO BW R Q i +)*0 J N 9 I
  • 30. ASO BW R Q i +)*0 ASO BW R o
  • 31. ASO BW R Q i +)*0 w9SS ASO W U / L )IGCKP NGEGK I / 21 ~
  • 33. ASO BW R Q i +)*0 ASO BW R a kk cd w W MN KGKE CPA a CCM 2C NKGKE w k h , (fi Vs tV a f l p e h U UmV o
  • 34. ASO BW R Q i +)*0 J N 9A@ EJ , ( L) ) ( MCK)2 (7 /KPCI / 21 8 SBA AAKB CCKB IKB
  • 35. ASO BW R Q i +)*0 J N 9A@ EJ , ( L) ) ( MCK)2 (7 /KPCI / 21 8 SBA AAKB 44
  • 36. ASO BW R Q i +)*0 CCKB ( IKB IWO W 8VS r s d( 9BA8 9W a WPbaSR 9SS BOQVW S ASO W U 8 ZZb Wae BMCSa M 7 a IW e d 44 4C N I 4CPSLNH GNP I AFGKC DCCM(8 SBA n o o o 9CC o© Tb W CKOLN GNP I AFGKC IS rv o s © t u SaQ n ©o =L o 8EJ aS 6GB EJ D S 8A 8J96 Z2C M GK b, (esV u
  • 38. ASO BW R Q i +)*0 bO aWfOaW m n * n ,+PWa T Oa z 9CC PWa W aSUS 4*q n n z l m • 7CC q o *PWa • 9 GS O q *PWa o +PWa • SaQ l m • W SO bO aWfOaW r s • U bO aWfOaW r s • SaQ n IS d 1PWa W SO bO aWfOaW
  • 39. ASO BW R Q i +)*0 IS d $ o© n t u © o© l Oaa WPbaS3 m m SaQ l FWWaO IS d 6RcS a 8O S RO +)*0 t PCKOLNDILS CD K PCNK NT SCGEFP Y
  • 40. ASO BW R Q i +)*0 ASO BW R o
  • 41. ASO BW R Q i +)*0 o w9SS ASO W U / L )IGCKP NGEGK I / 21 ~
  • 42. ASO BW R Q i +)*0 -- W T 5 SO ZWZR W Vaa 3(( SO ZW R W ( z ~zk