Deep Learningを含むAI・機械学習の技術コンサルティング、既存手法の評価や新規手法の研究開発、ソフトウェア開発等、高速化等の支援を行うことで、お客様がお持ちのシステムの自動化や高度化に関する課題解決をサポートします。
Deep Learning
「Deep Learning（深層学習）」は生物の神経回路網を模したニューラルネットワークをベースとした機械学習手法です。多くの機械学習手法が段階を踏んで行っていた「データの特徴抽出のフェーズ」と「学習し予測・分類を行うフェーズ」を同時に行うことが可能であり、多くの問題に適用することができます。
特徴抽出は、入力データを解析・加工して、情報の要約や抽象化を行い、学習器に入力する様々な特徴量を取り出すことを指します。選択した特徴量によって性能の上限が変わるため、従来の機械学習手法では最適な特徴量の組合せを慎重に検討する必要がありました。一方、Deep Learningでは、この特徴抽出の方法まで学習することが可能です。
近年、人工知能、機械学習が注目を集め始めたきっかけの１つに、2012年のILSVRC 2012（ImageNet Large Scale Visual Recognition Challenge）と呼ばれる画像認識の国際コンテストで、Deep Learningを用いたチームが優勝したことがあげられます。このとき、他の手法を用いたチームのエラー率が約26%以上であったのに対して、Deep Learningを用いたチームはエラー率約16%と大変良い結果を残し、画像認識等のシステムの自動化に大きな期待が寄せられました。
一言にDeep Learningといっても、ネットワークの構成やパラメータの事前学習の有無・方法等が異なる複数の方法論の集まりであり、データにあわせて適切な手法を選択しチューニングを行う必要があります。当社では手法の検討や実装・パラメータのチューニングなどを行い、Deep Learningによる最適な学習の実現に向けて技術的なサポートを行います。また、Deep Learningによる学習には膨大な時間がかかるケースもあります。当社では、並列化やアルゴリズムの最適化等により、高速化の側面からもサポートいたします。
事例
鋳造部品の連続撮影画像から欠陥を含む画像5万枚、欠陥を含まない画像8万枚弱を切り出しにより作成し、ニューラルネットワークにより学習させることにより自動欠陥認識を行いました。こちらは、精密工学会が主催する外観検査アルゴリズムコンテスト2014の課題です。
多層によるニューラルネットワークでは、バックプロパゲーションによる学習ではうまくいかない可能性があるため、バックプロパゲーションの前にデノイジング・オートエンコーダにより各層をプレトレーニングさせました。また、過学習を防ぐため、別に用意したパッチ画像1000画像でバリデーションも行いました。
技術例
左右スクロールで表全体を閲覧できます
| 技術課題 | 手法例 |
|---|---|
|
ニューラルネットワーク構造決定 |
畳み込みニューラルネットワーク, |
|
活性化関数の選択 |
ロジスティック関数, ReLU関数, マックスアウト関数 |
|
事前学習 |
制約ボルツマンマシン, |
|
汎化性能向上 |
前処理, ドロップアウト, ドロップコネクト |
左右スクロールで表全体を閲覧できます
| キーワード | AI(人工知能), 機械学習, パターン認識, 学習, Deep Learning（深層学習), Python, C/C++ , Caffe, TensorFlow, Chainer, cuDNN, 過学習, 事前学習, 汎化性能 |
|---|
サービス内容
お客さまがお持ちの課題に対し、人工知能・機械学習のエキスパートが、Deep Learning含め多種多様な人工知能・機械学習手法の中から最適な解決方法をご提案いたします。お客さまの事業フェーズ（研究、開発、実用化）にあわせて、技術評価や技術開発、ソフトウェア開発、高速化、システム構築といったさまざまなサービスを提供しております。
また当社独自の機械学習手法である「カップリング学習」については、ライセンス供与等のサービス提供も行っております。
独自の機械学習手法「カップリング学習」を利用した技術開発・コンサルティング
サービスメニュー
左右スクロールで表全体を閲覧できます
|
|
課題解決の流れ（例）
左右スクロールで表全体を閲覧できます
| キーワード | AI(人工知能), 機械学習, パターン認識, 学習, Deep Learning(深層学習) , 回帰, 識別, クラス分類, クラスタリング, リコメンデーション, 特徴量抽出, 畳み込みニューラルネットワーク, 再帰型ニューラルネットワーク, ディープビリーフネットワーク, 制約ボルツマンマシン, オートエンコーダ, Python, C/C++ , Caffe, TensorFlow, Chainer, cuDNN, 過学習, 事前学習, 汎化性能, 高速化 |
|---|
- *TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
- *Chainerは、株式会社Preferred Networksの日本国およびその他の国における商標または登録商標です。
- *その他に記載の社名、製品名及びサービス名は、各社の商標または登録商標です。