Submit Search
Upload
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
•
22 likes
•
9,261 views
Preferred Networks
Follow
ディープラーニングが自動運転、コネクテッドカーにおいて どのように活かせるかについての講演資料です。 特に映像による車両, 人物検出, セグメンテーションの動画が新しい情報です。
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 19
Download now
Download to read offline
Recommended
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
Preferred Networks
実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017
Preferred Networks
ディープラーニングが活かすIoT
ディープラーニングが活かすIoT
Preferred Networks
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
≪インテル x ブロケード 特別対談≫ 2020年。どうなる?車とデータセンタの関係 ~SDxの、その先へ~
≪インテル x ブロケード 特別対談≫ 2020年。どうなる?車とデータセンタの関係 ~SDxの、その先へ~
Brocade
今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるには
NVIDIA Japan
tut_pfi_2012
tut_pfi_2012
Preferred Networks
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
Recommended
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
Preferred Networks
実世界の人工知能@DeNA TechCon 2017
実世界の人工知能@DeNA TechCon 2017
Preferred Networks
ディープラーニングが活かすIoT
ディープラーニングが活かすIoT
Preferred Networks
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
≪インテル x ブロケード 特別対談≫ 2020年。どうなる?車とデータセンタの関係 ~SDxの、その先へ~
≪インテル x ブロケード 特別対談≫ 2020年。どうなる?車とデータセンタの関係 ~SDxの、その先へ~
Brocade
今すぐ AI の知識を深めるには
今すぐ AI の知識を深めるには
NVIDIA Japan
tut_pfi_2012
tut_pfi_2012
Preferred Networks
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
ビッグデータで開扉されるイノベーション社会
ビッグデータで開扉されるイノベーション社会
Osaka University
イノベーションことはじめ
イノベーションことはじめ
Preferred Networks
DX と社会問題解決
DX と社会問題解決
Osaka University
AIスタートアップの成功のための必要条件
AIスタートアップの成功のための必要条件
Osaka University
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
Osaka University
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido
AI_IoTを活用する企業のあり方
AI_IoTを活用する企業のあり方
Osaka University
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
Roy Sugimura, Ph.D
AI とデジタル変革
AI とデジタル変革
Osaka University
中小企業による人工知能の活用~既存事業のアップグレードとイノベーション~
中小企業による人工知能の活用~既存事業のアップグレードとイノベーション~
Kentaro Imai
20150521 techno frontier2015講演-ntt_com境野哲
20150521 techno frontier2015講演-ntt_com境野哲
akira sakaino
「人工知能」をあなたのビジネスで活用するには
「人工知能」をあなたのビジネスで活用するには
Takahiro Kubo
Iand t study 2nd session / IT industry value stream
Iand t study 2nd session / IT industry value stream
koichi ikeda
I and T study 3rd session
I and T study 3rd session
koichi ikeda
2 i4
2 i4
Takafumi Nakanishi
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
Daichi Morifuji
IT化と1億総クリエイター化:知的財産権制度についての近い未来の話
IT化と1億総クリエイター化:知的財産権制度についての近い未来の話
Tohru Yoshioka-Kobayashi
クラウドの進化とメディア理解の発展
クラウドの進化とメディア理解の発展
Osaka University
アップルの特許に見るUI特許のポイント
アップルの特許に見るUI特許のポイント
kurikiyo
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
Kazuyuki Miyazawa
スマートマシンがもたらす社会創造と産業変革 2015106
スマートマシンがもたらす社会創造と産業変革 2015106
Hayashi Masayuki
20160527_03_IoTにおけるエコシステム形成のポイント_v1.1
20160527_03_IoTにおけるエコシステム形成のポイント_v1.1
IoTビジネス共創ラボ
More Related Content
What's hot
ビッグデータで開扉されるイノベーション社会
ビッグデータで開扉されるイノベーション社会
Osaka University
イノベーションことはじめ
イノベーションことはじめ
Preferred Networks
DX と社会問題解決
DX と社会問題解決
Osaka University
AIスタートアップの成功のための必要条件
AIスタートアップの成功のための必要条件
Osaka University
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
Osaka University
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido
AI_IoTを活用する企業のあり方
AI_IoTを活用する企業のあり方
Osaka University
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
Roy Sugimura, Ph.D
AI とデジタル変革
AI とデジタル変革
Osaka University
中小企業による人工知能の活用~既存事業のアップグレードとイノベーション~
中小企業による人工知能の活用~既存事業のアップグレードとイノベーション~
Kentaro Imai
20150521 techno frontier2015講演-ntt_com境野哲
20150521 techno frontier2015講演-ntt_com境野哲
akira sakaino
「人工知能」をあなたのビジネスで活用するには
「人工知能」をあなたのビジネスで活用するには
Takahiro Kubo
Iand t study 2nd session / IT industry value stream
Iand t study 2nd session / IT industry value stream
koichi ikeda
I and T study 3rd session
I and T study 3rd session
koichi ikeda
2 i4
2 i4
Takafumi Nakanishi
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
Daichi Morifuji
IT化と1億総クリエイター化:知的財産権制度についての近い未来の話
IT化と1億総クリエイター化:知的財産権制度についての近い未来の話
Tohru Yoshioka-Kobayashi
クラウドの進化とメディア理解の発展
クラウドの進化とメディア理解の発展
Osaka University
アップルの特許に見るUI特許のポイント
アップルの特許に見るUI特許のポイント
kurikiyo
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
Kazuyuki Miyazawa
What's hot
(20)
ビッグデータで開扉されるイノベーション社会
ビッグデータで開扉されるイノベーション社会
イノベーションことはじめ
イノベーションことはじめ
DX と社会問題解決
DX と社会問題解決
AIスタートアップの成功のための必要条件
AIスタートアップの成功のための必要条件
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
AI_IoTを活用する企業のあり方
AI_IoTを活用する企業のあり方
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
ソフトウェアとAIの進化が示唆するもの Final Final revised Final
AI とデジタル変革
AI とデジタル変革
中小企業による人工知能の活用~既存事業のアップグレードとイノベーション~
中小企業による人工知能の活用~既存事業のアップグレードとイノベーション~
20150521 techno frontier2015講演-ntt_com境野哲
20150521 techno frontier2015講演-ntt_com境野哲
「人工知能」をあなたのビジネスで活用するには
「人工知能」をあなたのビジネスで活用するには
Iand t study 2nd session / IT industry value stream
Iand t study 2nd session / IT industry value stream
I and T study 3rd session
I and T study 3rd session
2 i4
2 i4
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
IT化と1億総クリエイター化:知的財産権制度についての近い未来の話
IT化と1億総クリエイター化:知的財産権制度についての近い未来の話
クラウドの進化とメディア理解の発展
クラウドの進化とメディア理解の発展
アップルの特許に見るUI特許のポイント
アップルの特許に見るUI特許のポイント
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
Similar to ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
スマートマシンがもたらす社会創造と産業変革 2015106
スマートマシンがもたらす社会創造と産業変革 2015106
Hayashi Masayuki
20160527_03_IoTにおけるエコシステム形成のポイント_v1.1
20160527_03_IoTにおけるエコシステム形成のポイント_v1.1
IoTビジネス共創ラボ
日本のIT市場のトピックス
日本のIT市場のトピックス
Hiroyasu NOHATA
PDRと統合測位で製造業の『働き方改革』!
PDRと統合測位で製造業の『働き方改革』!
Kurata Takeshi
OMC2016:IoT本格化に必要な通信プラットフォームとは
OMC2016:IoT本格化に必要な通信プラットフォームとは
SORACOM,INC
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Osaka University
Smartcity project
Smartcity project
e-solutions
人とデジタルプラットフォームとの新たな共創
人とデジタルプラットフォームとの新たな共創
Hiroshi Takahashi
顧客との接点が多様化する銀行のデータ戦略
顧客との接点が多様化する銀行のデータ戦略
Takatsugu Kobayashi
「IoTやAIテクノロジーの産学イノベーション経験談」
「IoTやAIテクノロジーの産学イノベーション経験談」
Sozo Inoue
Open IoT platforms for Smart Services (Japanese)
Open IoT platforms for Smart Services (Japanese)
FIWARE
Innovation Policy in Korea & Best Practices in Business Sector_Mr. Lee Jipyeong
Innovation Policy in Korea & Best Practices in Business Sector_Mr. Lee Jipyeong
scirexcenter
【講演資料】IT企業・女性勉強会
【講演資料】IT企業・女性勉強会
Masanori Saito
Smart deviceとhtml5
Smart deviceとhtml5
html5j
多様なネットワーク世界到来による産業革新への適応
多様なネットワーク世界到来による産業革新への適応
Hiroshi Takahashi
中国のAI産業状況、スタートアップ情報リサーチ
中国のAI産業状況、スタートアップ情報リサーチ
YangnuoLiu
AiとIoTによる産業最適化と社会問題解決
AiとIoTによる産業最適化と社会問題解決
Osaka University
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
Yuya Unno
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
知礼 八子
パブリッククラウド活用コンセプト
パブリッククラウド活用コンセプト
明平 吉本
Similar to ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
(20)
スマートマシンがもたらす社会創造と産業変革 2015106
スマートマシンがもたらす社会創造と産業変革 2015106
20160527_03_IoTにおけるエコシステム形成のポイント_v1.1
20160527_03_IoTにおけるエコシステム形成のポイント_v1.1
日本のIT市場のトピックス
日本のIT市場のトピックス
PDRと統合測位で製造業の『働き方改革』!
PDRと統合測位で製造業の『働き方改革』!
OMC2016:IoT本格化に必要な通信プラットフォームとは
OMC2016:IoT本格化に必要な通信プラットフォームとは
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Smartcity project
Smartcity project
人とデジタルプラットフォームとの新たな共創
人とデジタルプラットフォームとの新たな共創
顧客との接点が多様化する銀行のデータ戦略
顧客との接点が多様化する銀行のデータ戦略
「IoTやAIテクノロジーの産学イノベーション経験談」
「IoTやAIテクノロジーの産学イノベーション経験談」
Open IoT platforms for Smart Services (Japanese)
Open IoT platforms for Smart Services (Japanese)
Innovation Policy in Korea & Best Practices in Business Sector_Mr. Lee Jipyeong
Innovation Policy in Korea & Best Practices in Business Sector_Mr. Lee Jipyeong
【講演資料】IT企業・女性勉強会
【講演資料】IT企業・女性勉強会
Smart deviceとhtml5
Smart deviceとhtml5
多様なネットワーク世界到来による産業革新への適応
多様なネットワーク世界到来による産業革新への適応
中国のAI産業状況、スタートアップ情報リサーチ
中国のAI産業状況、スタートアップ情報リサーチ
AiとIoTによる産業最適化と社会問題解決
AiとIoTによる産業最適化と社会問題解決
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
パブリッククラウド活用コンセプト
パブリッククラウド活用コンセプト
More from Preferred Networks
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
Preferred Networks
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Preferred Networks
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Preferred Networks
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Preferred Networks
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Preferred Networks
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Preferred Networks
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Preferred Networks
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
Preferred Networks
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Preferred Networks
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Preferred Networks
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Preferred Networks
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
Preferred Networks
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
Preferred Networks
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
Preferred Networks
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
Preferred Networks
More from Preferred Networks
(20)
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
深層学習の新しい応用と、 それを支える計算機の進化 - Preferred Networks CEO 西川徹 (SEMICON Japan 2022 Ke...
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
1.
ディープラーニングが ⾃自動運転、コネクティッドカー にもたらす変⾰革 岡野原 ⼤大輔 hillbig@preferred.jp Preferred Networks,
Inc. 2016/10/18 TU-Automotive Japan 2016
2.
l Preferred Networksの事業領領域は⼤大きく三つ –
IoT + ⼈人⼯工知能が⼤大きくインパクトを与える領領域にまずフォーカス l 交通 – ⾃自動運転とそれがもたらす⼈人流流と物流流の⼤大きな変⾰革 – 事故の無い世界、好きな時に好きな場所へ l 製造業 – 知能化ロボットによる製造の⼤大きな変⾰革 – ⽌止まらない⼯工場、変わり続ける⼯工場 l バイオヘルスケア – ⽣生体センサ、ゲノムデータ、診療療データによる 診察、診断の個⼈人化、⾼高度度化 – 病気にならない、治せなかった病気を直す 2
3.
機械学習とは l 経験(データ)によって賢くなるアルゴリズムの研究 – データから知識識・ルールを⾃自動獲得する –
データの適切切な表現⽅方法も獲得する – ⼈人⼯工知能の中で、⼈人が知識識やルールを 明⽰示的に与える⽅方法の限界から⽣生まれてきた 3 学習データ 分類モデル
4.
ディープラーニング(深層学習)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、⾃自然⾔言語処理理、機械制御などで 劇的な精度度向上を果たし、多くが既に実⽤用化されている 4 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/ ⾯面⽩白い論論⽂文は私のtwitter @hillbigで紹介しています 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] 岡野原 他 著
5.
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 ⾼高解像度度,⾼高FPS – LIDAR l 機械学習の研究⾃自体の進化 5 NVIDIA Xavier 20Tops, 20W Velodyne LiDAR Puck Hi-Res 1秒間で周囲百mの 30万点の測距
6.
機械学習による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 6 試⾏行行時間 1〜~3ケ⽉月 1〜~3⽇日 1〜~3年年
7.
事例例紹介 • 分散深層強化学習 Interop
2015 • 「ぶつからない⾞車車」 CES 2016(トヨタ⾃自動⾞車車と共同展⽰示) • CNNによる⾞車車両, ⼈人物検出*1 • CNNによるセグメンテーション*1 *1 データセットはCityScape Dataset https://www.cityscapes-‐‑‒dataset.com
8.
分散協調型の強化学習 分散協調型 強化学習 学習結果は リアルタイムで反映
9.
セグメンテーションによる空間認識識 9 Result by Preferred
Networks Dataset: CityScape Dataset https://www.cityscapes-dataset.com/citation/
10.
障害物に強い認識識 l 柱で分かれていても⼀一つの物体だと認識識する 10
11.
映像認識識の精度度が⾶飛躍的に向上している l 深層学習の進化が⾮非常に速いため – 精度度,速度度が急速に向上し続けており、あと数年年続く l
遠距離離の障害物の検出、多様な障害物の認識識が可能に – カメラの場合、LIDARとは違って遠距離離でも密な情報が得られる l 次の⼆二つが⽰示唆される 1. ADAS, ⾃自動運転におけるカメラの重要性が増す 2. 地図が担う多くの機能をカメラによる認識識結果で実現できる – ⾛走⾏行行可能領領域の検出など 11
12.
Deep Learning+コネクティッドカーは 認識識・制御以外にも利利⽤用できる l 異異常検知・異異常予測 l
予測・最適化 12
13.
異異常検知・異異常予測 センサからの異異常検知 13 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 実際のロボットの減速機から 得られたセンサデータ
14.
14 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
15.
予測・最適化 電⼒力力の需要予測例例(パートナーとの実証実験) l 実際の需要量量に応じた発電を⾏行行いコストを最⼩小化 l 未来の電⼒力力需要量量を予測 –
気象データ、家庭の位置情報を活⽤用 – ディープラーニングの利利⽤用で⾼高精度度な予測を実現 l 需要予測において、従来⼿手法と⽐比較しエラー率率率半減 15 気温 湿度度 位置 電⼒力力需要量量 時系列列
16.
なぜ⾞車車同⼠士がつながる必要があるのか l レアイベントの情報を集められる – 1台の⾞車車での経験は限定的 –
ヒヤリハット・事故の情報を反映できる – 初めて場所、状況に対応できる l センサ能⼒力力を拡張できる – ⾃自分がまだ到達していない場所の情報を集められる – 必ずしもリアルタイムじゃなくてもよい l 協調できる – ⾃自分の状態、意図を知らせる、他者の状態、意図を知る 16
17.
クラウドコンピューティングから新しいコンピューティングへ クラウドコンピューティング エッジヘビーコンピューティング
18.
DIMo(ダイモ): Deep Intelligence
in-‐‑‒Motion Cloud Portal Fog Agent Edge Agent クラウドからフォグ/エッジで 動作する深層学習を制御。 クラウドで高速に研究開発した 成果を即エッジで運用可能に。 フォグ/エッジのIoTプラットフォーム と連携して動作。ネットワークの レイヤーを横断した協調動作を 実現する。 提供する深層学習のアルゴリズム: • コンピュータビジョン • 異常検知 • 電力需要予測(2017年前半) • 強化学習(2017年後半) • その他開発中 Collaboration through layers フォグやエッジで深層学習を使う意義 • 高頻度・低レイテンシなデータ分析を実現: シビアな制御に深層学習を利用可能 • ネットワーク帯域を節約: 今まで集められなかったデータの分析を実現
19.
Copyright © 2014-‐‑‒ Preferred
Networks All Right Reserved.
Download now