2025/02/08にAITRIOS Meet Up & ハンズオン in 名古屋で紹介したスライドです

1. AITRIOS Local Edition (v1.4.0)のイン
ストールからエッジデバイスでの推論
まで
2025年02月08日
樟 智裕
1

2. 1. 前提
@SSS-NorimitsuTakahashi さんのLocal Edition (v1.2.2, v1.3.0) 触って
みた！！でAITRIOSのLocal Editionのチュートリアルが紹介されてい
るのですが、記事内のバージョンがv1.2.2ないしv1.3.0と古く内容が
違う部分があるので、2024.12.07時点の最新版であるv1.4.0の内容で
紹介します。
※作業しながらではなく記憶を遡って書いている部分があるので、も
し実際と違う部分があればごめんなさい。
https://qiita.com/SSS-
NorimitsuTakahashi/items/4768a00cd54bc18f7589
2

3. 2. 準備物
3

4. 2.1 ハード
Windows OS PC
自分はWindows 11 Home 23H2インストール済みのPCを使用してい
ます。
なお、宅内LANへの接続はWi-Fiです。
AIH-IVRW2
期間限定なのかわかりませんが、購入した2024.11.30時点では定価
¥29,800のところ¥5,000以下で販売されています。
まずはお試しでの使用なので、この機種を選択しています。
4

5. 2.2. ソフト
AITRIOS Local Edition
AITRIOSは当初クラウドと接続して使用する仕様だったそうなのです
が、AIモデルの開発(学習)や推論結果の確認を全てローカルネットワ
ーク内で完結できるLocal Editionが追加されました。
これも購入した2024.11.30時点で6ヵ月のライセンスが定価¥33,000
のところ¥15000以下になっています。
※ ライセンスは一度買ったら永久に使い続けられるのではなく期間限
定で6ヵ月と1年間の2種類です。
自分は永久ライセンスだと勘違いしてました…
5

6. 3. AITRIOS Local Editionのインストー
ル
Local Editionのライセンス購入先から、 local_edition_1.4.0.zip をダ
ウンロードできるかと思うので適当な場所で解凍します。
圧縮状態で約5.6GB、解凍して11.2GBなので、もしPCを使い込んで
空き容量が乏しくなっていたら注意です。
6

7. Local Edition v1.4.0/
├── Local_Edition_get_started_for_AIH-IVRW2_ja_v1.4.0_00.pdf
│
├── Brain Builder/
│ ├── Neurala_BrainBuilderForAITRIOS_24.09.7_00_GettingStarted_LocEdt.pdf
│ ├── Neurala_BrainBuilderForAITRIOS_24.09.7_00_Windows_CPU_Installer.zip
│ │
│ └── Neurala_BrainBuilderForAITRIOS_24.09.7_Windows_CPU_Installer/
│ ├── BBTrialLicense****.WibuCmRaU
│ ├── Neurala_BrainBuilderForAITRIOS_24.09.7_Windows_CPU_amd64.exe
│ │
│ └── Files/
│
├── EdgeApp/
│ ├── vision_app_classification_v1.1.2_signed.aot
│ └── vision_app_objectdetection_v1.1.2_bb24.09.7.aot
│
├── EdgeDeviceFW/
│
└── Local Console/
└── local-console-setup-4.0.18.exe
7

8. 3.1. Local Console
まずは Local Console フォルダ内のインストーラを実行してLocal
Consoleをインストールします。
Local Consoleはローカル環境でAITRIOSのエッジデバイスの管理や撮
影・推論のコントロール、AIモデルのエッジデバイスへのデプロイな
どを行うためのソフトです。
8

9. 3.2. Brain Builder (Local Studio)
次にBrain Builder (Local Studio)をインストールします。
Brain BuilderはローカルPCで実行できるAI学習ツールです。
Classification(分類)とObjectDetection(物体検出)の2種類のAIモデル
をAIの基礎知識なしに作成できるツールです。
https://developer.aitrios.sony-semicon.com/en/studio/brain-builder
9

10. local_edition_1.4.0.zip を解凍したフォルダ内の
Neurala_BrainBuilderForAITRIOS_24.09.7_00_Windows_CPU_Installer.zip
を解凍します。
なお、
Neurala_BrainBuilderForAITRIOS_24.09.7_00_GettingStarted_LocEdt.pdf
は英文ですがBrain Builderの使用方法が記載されているので、頑張っ
て自力で理解するか英→日翻訳サービスを使って日本語で読み込んで
ください。
10

11. 解凍して
Neurala_BrainBuilderForAITRIOS_24.09.7_Windows_CPU_amd64.exe のイ
ンストーラを実行します。
11

12. 3.3. CodeMeter User Runtime
BrainBuilderの使用に期間限定のライセンス登録が必要になるので、
ライセンスをアクティベートするためのソフト：CodeMeter User
Runtimeが必要です。
https://www.wibu.com/support/user/user-software.html
CodeMeter User Downloadからインストーラをダウンロードしてイン
ストールします。
12

13. インストールできると
Neurala_BrainBuilderForAITRIOS_24.09.7_Windows_CPU_Installer フォル
ダ内の BBTrialLicense****.WibuCmRaU
が実行できるようになるので、ダブルクリックしてCodeMeter User
Runtimeにてライセンス認証します。
このライセンスは試用ライセンスで、10日間使用できます。
13

14. 試用ライセンスを使い切ったらLocal Edition購入時についてくる6ヵ月
ないし1年間のライセンスに切り替えましょう。
※ Local Edition購入時の6ヵ月ないし1年間のライセンスは、一度有効
にしてしまうとカウントダウンが始まってしまうので、試用ライセン
ス切れのタイミングで有効にするのがよいです
これでLocal ConsoleとBrain Builderが使えるようになったはずです。
14

15. 4.エッジデバイスの登録・管理
Local_Edition_get_started_for_AIH-IVRW2_ja_v1.4.0_00.pdf のP.8～
18に記載があるので、ここでは簡単に説明します。
15

16. Local Consoleの左上・Provisioningタブを選択し、Connectを選択、
必要な情報を入力してQRコードを生成します。
これをAIH-IVRW2に読み込ませて、問題なく認識できればOKです。
16

17. AIH-IVRW2とMQTTで接続できれば、Provisioningタブの下に表示さ
れるPreview Cameraでカメラのリアルタイム映像が(間欠的に)表示さ
れるはずです。
17

18. 5. Brain BuilderでAIモデル作成
18

19. 5.1. kaggleで学習用モデルを入手
学習用モデルを手っ取り早く作りたいので、kaggleから学習用のデー
タセットを入手します。
自動車の分類用にはこのモデルを使用しました。
https://www.kaggle.com/datasets/kaggleashwin/vehicle-type-
recognition
自動車の検出用にはこのモデルを使用しました。
https://www.kaggle.com/datasets/hasibullahaman/objectdetectionca
r 19

20. 5.1.1. YOLO形式データ
セットをKITTI形式デー
タセットに変換
Local Edition v1.4.0付属の
Brain Builder VIA:24.09.7-
CPU ではKITTI型データセッ
トしか使えません。
20

21. 手作業での変換はめちゃくちゃめんどくさい作業ですが、ChatGPTの
力を借りて変換スクリプトをPythonで作成しました！
https://github.com/todateman/YOLO_TO_KITTI
コマンドの入力例：
python YOLO_TO_KITTI.py --data_dir "C:UsersUsernamedatasets"
python YOLO_TO_KITTI.py
--yolo_labels "C:UsersUsernamedatasetsyolo_labels"
--images "C:UsersUsernamedatasetsimages"
--kitti_labels "C:UsersUsernamedatasetskitti_labels"
21

22. 5.2. Brain Builderで学習 ~ 6.2. 推論結果の確認
説明すると長いので
https://qiita.com/todateman/items/23967676c5282eeaaa87#52-
brain-builderで学習
を参照ください。
22

23. 7. 肝心の推論結果の精度ってどうな
ん？
23

24. Detector(物体検出)は12時間以上学習に時間かけたにもかかわらず、
精度はいまいち。
→kaggleの学習モデルデータのラベルの分類や選択範囲が一部適当
データを作った研究室の大学生がサボったのかも
きちんと明瞭な画像を使っでAIモデルを作ったほうがいい。
Classifier(分類)の方は海外(特に北米)の自動車の画像をベースに学習
しているので、日本のトラックやSSなどのバイクでは誤ってCarと誤
分類するすることがある。
（アメリカンバイクだときちんとmotorcycleと判定されることが多
い）
→極力実際の分類対象の学習モデル画像を使った方がいい。
24

25. 8. おわりに
手のひらに乗るエッジカメラ単体でAIが動くのと、PCの処理に時間
はかかるけどAIの知識無くても簡単に学習モデル作れるのに素直に
感動
精度の高いAIモデルを作るには事前の学習用画像の見極めや、実際
に使用したい環境と近いモデル画像を用意する必要があるように感
じる。
→極力AITRIOSそのもので学習用画像を撮影すべき！
Brain Builderは操作は簡単だが細かいチューニングができないの
で、精度の高いAIモデルを作成するには苦労する気がする。
→自作のAIモデルでもAITRIOSで使用できるようになるといいなぁ 25