Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

[GTC 2018] Inception Award Ridge-i発表資料

561 views

Published on

GTC Japan18 Inception Award
Ridge-i 活用事例と取り組み

Published in: Business
  • Be the first to comment

  • Be the first to like this

[GTC 2018] Inception Award Ridge-i発表資料

  1. 1. 株式会社 Ridge-i 活用事例と取組み -ディープラーニングのインパクトを実感できるまで追求 代表取締役社長 柳原 尚史 2018年9月14日
  2. 2. 1©2018 Ridge-i All Rights Reserved. Ridge-i(リッジアイ)について 事業領域 ビジネスニーズに最適化した AI技術を提供 • AIコンサルティング − 機械学習・ディープラー ニング・強化学習中心 • ソリューション開発 − 例:放送品質モノクロ 映像 彩色ディープ ラーニング 会社概要 オフィス • 千代田区大手町1-6-1- 442(大手町駅直結) 従業員数 • 16名 + α 主に機械学習エンジニア、 コンサルタント 就労スタイル • 裁量労働制 パートナーシップ Deep Learning Lab幹事企業 (コミュニティ登録者3963人)
  3. 3. 2©2018 Ridge-i All Rights Reserved. 柳原 尚史 (やなぎはら たかし) ブラックロックなど世界最大の大手金融機関にて、取引所との高速接続、高頻度取引、 リスク分析、アルゴリズム取引の設計・開発などに10年従事 2016年にディープラーニングを中心としたAI技術の可能性を、より広い業界・社会に適用す るためにRidge-iを創立、現在に至る • 小4からプログラマー。早稲田大学在学中にプレイステーションのゲーム開発 • 総務省 宇宙活用 - 4次元サイバーシティタスクフォース 構成員 • 3児のパパで、趣味はトレイルランニング − 富士山1日3往復 − UTMB(モンブラン 一周170Km) 45時間寝ずに走破 代表について
  4. 4. 3©2018 Ridge-i All Rights Reserved. Ridge-iの特徴と事例 総合的なシステム 考案・連携力 ビジネスの現場で インパクトを実現 • パートナーシップを活かした 効果的な開発 • サーバー・FPGA・センサー等 ハードウェアの選定支援 • 周辺システムとのつなぎ • ゴールを顧客と共に明確化 • AIありきではなくROIを重視 • PoCで終わらず実運用まで • 社会展開ができる協業体制 NVIDIAと協力して DGX-1の検証 ②ごみ質ディープラーニング 荏原環境プラント様が実用へ ①カラー化ディープラーニング NHKで放映実績 卓越した 画像解析技術 • 最先端の論文も実装・考案 • 少ないデータで精度を向上す るノウハウ • 競合が達成できなかった 案件も複数 ④不良データで精度をあげる 論文作成(検証中) ④Anomaly Detection GAN+ 高解像度化の論文実装 ③衛星レーダー画像解析 ディープラーニング
  5. 5. 4©2018 Ridge-i All Rights Reserved. ① カラー化 ディープラーニング (1) 放送レベル自動彩色DL |NHKアート様と共同開発 <4Kの白黒映像をディープラーニングで彩色した実証実験映像> ディープラーニングによる自動彩色 • 最初の1枚だけ人が彩色 残りの499フレームはDLが彩色 • 木の葉の揺れや雲の動きにも対応
  6. 6. 5©2018 Ridge-i All Rights Reserved. ① カラー化 ディープラーニング (2) 求める色合いを正確に再現 Webでの汎用AIサービス Ridge-i + NHKアート様 無断転載・配布禁止 ■放送実績 「第50回 思い出のメロディー」 2018/8 NHKで放送 NHKスペシャル「戦後ゼロ年東京ブラックホール 1945-1946」 2017/8 NHKで放送 大相撲「カラーで蘇る名勝負」 2017/5 NHKで放送 プレゼン用途のみの画像部分 配布資料から削除しております
  7. 7. 6©2018 Ridge-i All Rights Reserved. ② ごみ焼却炉でのセグメンテーション活用 荏原環境プラント株式会社様と共同開発 従来の自動運転では 投入するごみ質の変動が大きく、 安定した燃焼ができない ごみの質をピクセル単位で 認識することに成功 熟練オペレータのノウハウを再現、 実証段階へ ごみ焼却炉イメージ図 <燃焼状態を監視する中央操作室><クレーン操作室> ごみピット 焼却炉 課題と目的
  8. 8. 7©2018 Ridge-i All Rights Reserved. ② ピクセル単位で物の識別が可能 無断転載・配布禁止 プレゼン用途のみの画像部分 配布資料から削除しております
  9. 9. 8©2018 Ridge-i All Rights Reserved. • ルールでは波とオイルは分類困難 • 読み解けるのは一部のエキスパートのみ • AIの活用により、オイルスリック(油膜)が あるエリアを100%の精度で特定 衛星画像に対するディープラーニングによる解析の普及活動に参画 (総務省 4次元サイバーシティの活用に向けたタスクフォースのメンバー) 数枚の画像で学習 レーダー画像 AIによる解析 ③ 衛星レーダー画像SAR オイル流出検出
  10. 10. 9©2018 Ridge-i All Rights Reserved. AI 良品画像のみを使った異常検知がディープラーニングで可能 学習用の良品画像 良品画像の 特徴を学んだDL 検品画像 不良判定 良品には存在しなかった キズ・ゆがみなどを検出 ④ 異常検知ディープラーニング ■ 異常検知の課題 不良は定義が難しい、数がすくない、アノテーションが難しい など
  11. 11. 10©2018 Ridge-i All Rights Reserved. ④ 異常検知の実用化に向けておきた課題 不良データで精度もあげる 論文作成(検証中) Anomaly Detection GAN+ 高解像度化の論文実装 NVIDIAと協力して DGX-1で検証 データ 求められる精度 • 高解像度を維持する必要性 ─ 低解像度で消える 微細な傷 ─ 全体を見て判断する必要 • 異常箇所をピクセル単位で表示 • 通常のGANだと、高解像度の 学習が収束しない • 完全な「良品」の定義が難しい • 良品データ自体のばらつき (取得時期・振動 etc) • データ数の不足 (例:初回検証が数百枚程度) 処理速度 • PCサーバーでは学習に数週間 かかってしまう • 高解像度NNがメモリに乗り切ら ない
  12. 12. 11©2018 Ridge-i All Rights Reserved. ④ 異常検知ディープラーニング プレゼン用途のみの画像部分 配布資料から削除しております
  13. 13. ディープラーニングによるインパクトを 実感できるまで追求します @ridge_i_jp @ridgeicom contact@ridge-i.comhttps://ridge-i.com

×