NVIDIA Deep Learning Dayでの講演内容です． ディープラーニングの最新の研究成果として強化学習によるロボットカーの制御，バラ積みロボットの認識，駐車場の検出，センサデータからの異常検知，画像生成を紹介しています。

1. ディープラーニング
の最新動向
岡野原 ⼤大輔
hillbig@preferred.jp
Preferred Networks, Inc.
Preferred Infrastructure, Inc.
2016/1/15@NVIDIA Deep Learning Day 2016

2. ディープラーニング（DL：DeepLearning）とは
l 層が深く、幅も広いニューラルネットワークを利利⽤用した
機械学習⼿手法
l 2012年年の⼤大ブレーク以来、研究コミュニティのみならず
産業界に多く使われてきた
– 2014〜～2015年年中に出された関連論論⽂文数は1500を超える*
l 画像認識識、⾳音声認識識などで劇的な精度度向上を果たし、その
多くが既に実⽤用化されている
2
2014年の一般画像認識コンテストで優勝した
22層からなるNNの例 [Google]
*http://memkite.com/deep-‐‑‒learning-‐‑‒bibliography/
2015年の一般画像認識コンテストで優勝した
152層からなるNNの例 [MSRA]

3. なぜ機械学習が実世界で使えるようになったのか
l Internet of Thingsの到来
– センサとコンピューターとアクチュエーターがつながる
l モバイル機器の性能向上
– モバイルでもTflops級の計算リソースが利利⽤用可能に
– デバイス上で深層学習の⼤大部分が実現可能
l 低価格ハイスループットセンサの登場
– 映像カメラ 数千円以下に、2020年年台の⾞車車は10個以上のカメラを搭載
– ゲノムシーケンサ 1000ドルゲノム時代の到来
l アクチュエータの登場
– ⾃自動運転⾞車車、ロボット、ドローン
l 機械学習の研究⾃自体の進化
3
NVIDIA DrivePX 2
1秒間に24兆回のDLの演算可能
Velodyne Lidar
１秒間で周囲数百mの
数百万点の測距

4. 開発⼿手法の⼤大きな変⾰革
l ハードウェアで実現
– 綿密な要求定義・設計・テスト
– 市場に出てからの機能修正・変更更は困難
– 試⾏行行錯誤のコストは⼤大きい
l ソフトウェアで実現
– アジャイルに開発可能
– 市場にでてからの機能修正・変更更は容易易
– （優秀な）プログラマがボトルネック
l 機械学習/深層学習で実現
– 実現したい機能は機械が獲得する
– データさえ集められれば瞬時に実現
– 市場に出た後も勝⼿手に進化し続ける
4
開発期間
1〜3ケ月
1〜3日
1〜3年

5. Chainer : 深層学習フレームワーク
ü Pythonプログラムで⾃自由にネットワーク記述可能
ü 最新の深層学習の様々なアルゴリズムをネイティブにサポート
ü データごとにオンデマンドでのネットワーク構築が可能
ü マルチGPU対応(Model Parallel / Data Parallel)
ü 2015年年6⽉月の公開以降降，産業界，研究界で広く使われている
5

6. l 深層学習の最新の研究成果を紹介する
– 強化学習によるロボットの⾃自動制御
u CES 2016にてトヨタ、NTTと共同展⽰示デモ
u 運転技術を0から経験のみで学習で獲得する。詳細はYoutube コメントを参照
– セグメンテーションによる駐⾞車車場認識識
u Panasonicとの共同研究
– バラ積みロボットの学習
u FANUCとの共同研究
– 機器の異異常検知
u FANUCとの共同研究
– 画像の⾃自動⽣生成
6

7. 駐⾞車車場の検出 (Panasonicとの共同研究)
7
l ⽊木漏漏れ⽇日があるだけでなく、境界に⽩白線はないため，従来⼿手法では困難
– ⾚赤：駐⾞車車場内 緑：駐⾞車車場枠
l ディープラーニングのセグメンテーションにより検出可能に

8. センサからの異異常検知
8
異異常な部分を抽出する
ディープラーニング技術
異異常は発⾒見見されない
異異常を検出
正常時の波形 異異常時の波形
実際の減速機から得られた
センサデータ

9. 9
既存⼿手法で検出が遅かった異異常を事前に検出
提案⼿手法
経過時間
異異常スコア
故障の約40⽇日前に
アラームで通知
判定閾値
既存⼿手法
経過時間
故障直前で通知
ロボット
故障
ロボット
故障 15⽇日前

10. 画像の⾃自動⽣生成
l Chainer-‐‑‒goph
https://github.com/mattya/chainer-‐‑‒gogh
l 深層学習は
画像も⽣生成できる
l 左の画像からスタイル
だけを抽出し、ネコの
画像を⽣生成
10

11. chainer-‐‑‒DCGAN 学習30分後
画像を0から⽣生成するNN
https://github.com/mattya/chainer-‐‑‒DCGAN
11

12. 学習2時間後
12

13. 学習1⽇日後
13

14. まとめ
l 深層学習は急速に応⽤用範囲が広がっている
– 認識識
u 従来の画像分類，⾳音声認識識+画素単位のセグメンテーション
3D復復元，意味理理解
– 制御
u ⾃自動⾞車車，ロボット，ドローンの強化学習ベースの制御
– 異異常検知
u 特徴設計を必要しない，任意のセンサを組み合わせられる，⾼高検出率率率
– ⽣生成
u 画像、⾳音声、設計図の⽣生成
l 今回のデモは全て半年年内で実現されている
– 深層学習の研究，開発はますます加速している
14