AI画像解析をビジネス現場に導入するためのファーストステップ

1. 株式会社ALBERT
営業推進部
高橋 淳一
AI画像解析をビジネス現場に導入するための
ファーストステップ

2. ALBERTのご紹介
ALBERTは「分析力」を武器に、ビッグデータアナリティクス市場にて
２つのソリューションサービスを提供しています。
分析からシステム化まで、一気通貫したご支援が可能！
1

3. 画像解析
本日のテーマ
2

4. 3つの代表的な画像認識タスク
3
画像分類 物体検出 領域検出
猫
犬
うさぎ
猫
犬
うさぎ
画像の中から猫を検出 ピクセル単位で猫を識別
猫
犬
うさぎ

5. 画像解析のビジネス導入までのステップ
4
Step１
PoC
Step２
本モデル構築
Step３
チューニング
Step4
システム開発
最初のPoCのステップで頓挫することが多い

6. PoCの段階で陥りがちなこと
5
実用に向けたステップが踏めずにプロジェクトが前に進まない
・・・
・・
全く精度が出ない…
そもそもAIで解決可
能なのかわからない
自社で分析 頓挫
ある程度精度が出て
いるが、実用精度ま
で向上させる方法が
わからない…

7. どうすればよいのか
6
画像解析にノウハウのあるデータサイエンティストによる
分析と課題の整理を行うことがプロジェクト前進に必要
・・・
・・
自社で分析
データサイエンティスト
による分析
専門のデータサイエンティスト
による検証と課題の整理
成功

8. ALBERT 画像解析サービス タクミノメ
7

9. ALBERT 画像解析サービス タクミノメ
8
学習
概要
特徴
画像解析PoC受託サービス
経験豊富なデータサイエンティスト
が1ヶ月という短期間で推論モデル
とレポートを提供
Azure Batch AI
※ワークステーションやその他のクラウド
サービスでも対応可能です。
特徴 13種類の主要ニューラルネット
ワークを実装済み

10. 13種類の主要ニューラルネットワーク
9
画像分類
物体検出
AlexNet VGG16 SqueezeNet10 SqueezeNet11
ResNet50 ResNet101 ResNet152 DarkNet19
領域検出
YOLOv2 RetinaNet
GCN152 GCN101 GCN50

11. 画像データのアノテーション
10
アノテーションのコンサルティングや
トレーニングを積んだパートナーリソースの提供も可能
アノテーション作業 モデル構築 報告会／納品画像データの準備
画像No. 特徴クラス X座標 Y座標 幅 高さ
0001 クラスA 234 193 342 382
0001 クラスB 211 123 397 447
0002 クラスC … … … …

12. 何故タクミノメでPoCがうまくいったのか？
11
①経験豊富なデータサイエンティストによる筋の良い
実験計画の策定
②実験の実行と実験計画の修正のイテレーションを
素早く回すことができた（Azure Batch AI）
③課題に合わせたデータオーギュメンテーション

13. 事例から得られた画像解析PoCについての知見
12
今あるデータの範囲での精度の向上だけでなく、
次のステップに進むための課題を把握することが重要

14. 13
ALBERTにはPoCを成功させる技術とノウハウがあります！
是非ALBERTにご相談ください！！