ディープラーニング活用事例

業種や会社名・フリーワードで探す

 

全46件

・一般的な生活環境の中でロボットが自ら学習し、様々なタスクを遂行できるレベルのサービスロボット開発を目指す取り組み。
・CEATEC JAPAN 2018 にて、深層学習技術を応用した「全自動お片付けロボットシステム」を展示(注)。
(注)・従来の物体認識・ロボット制御技術では困難だった「散らかった部屋の全自動お片付け」のデモンストレーションを実施。
・当該システムは、CEATEC JAPAN 2018 に展示される、イノベーション性が高く優れている技術・製品・サービス等を表彰する「CEATEC AWARD 2018」において、インダストリ/ マーケット部門 準グランプリを受賞。
・ディープラーニングを用いた画像認識エンジンを開発し、部屋に乱雑に散らかされた数百種類の物体の位置と種類を識別。
・当該エンジンをもとに、どの物体をどのようにつかんでどのように片付けるかといった計画を立てることが可能(様々な形状や素材の物体も安定してつかみ、所定の場所に置くことが可能)。
→例えばペンを片付ける際は、カメラでペン立ての位置を探す、ペンの向きを認識して向きを揃える、ペン立てに入れるといったことが可能。
→衣服や靴下のような形の変わる物体も安定してつかむことが可能。
・人の声による指示と指差しによるジェスチャーを理解。
・また、拡張現実(AR)の技術を使って、ロボットが考えていることを人間に提示することが可能。
・当該AR 画面を用いて、直感的にロボットの状態を把握し、より適切な指示を出すことも可能

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・ラベルなしデータ学習により影を検出。具体的には以下のとおり。
 1. 元画像に(専門家の知見に基づいてランダムに作成した)人工影を合成したものを入力画像とする。
 2. 影のみを含んだ画像(影のみ画像)とそれ以外の構造物のみを含んだ画像
 (構造物のみ画像)に一旦分離した後に、それらを合成することで入力画像を再構成する自己符号化器(Autoencoder)」を構成する。
 3. 人工影を合成した入力画像と再構成画像との誤差と、人工影と分離した影のみ画像との人工影が存在する領域での誤差が、同時に小さくなるように学習させる。
・学習後に影を検出する際には、入力画像を超音波検査画像とし、影のみ画像を検出結果とする。影のみ画像の画素値の合計の比較などにより、影あり/ 影なしを自動的に判定。
・本技術を、昭和大学病院産婦人科での通常の妊婦健診において取得した胎児心臓の超音波検査動画に適用して評価。
・動画93 本(約16 分)から作成した画像37,378 枚を学習用データとして学習。
・7 本(約1 分)から抜き出して臨床医が影の部分をラベル付けした画像52 枚
(評価用データ)を使用して、影画像の検知精度(IoU とDICE)を評価。
・伝統的な画像処理手法(単純な2 値化)、および従来型のディープラーニング手法(SegNet)と比較して、IoU,DICE ともに、提案手法が最も高いことが確認された。
・「検出した影が胎児心臓の異常検知に悪影響を及ぼす可能性を見いだす」ことで「検査者に対して再走査の指示を出し、誤った判断を防ぐ」ことが可能に。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・属人的な業務の意思決定プロセスに適用することにより、業務負荷を軽減し、業 務スピードを向上することを狙う取り組み。
→具体的には、逆強化学習を独自のアルゴリズムで拡張し、従来、技術者が行 なっていた意思決定モデルの構築を自動化。
・人手では定式化が困難な意思決定問題に対して、熟練者の過去の行動履歴データ から意思決定モデルを作成することにより、熟練者と同等の判断を自律的に導 出。
・当該技術をTV放送局の広告スケジューリング業務(注)に適用し、実データを使っ た性能評価を実施。
(注)各CMにおける要件・制限事項および(放送枠の活用方法など)放送局側の要件の両方を考慮 しなければならず、高度なスキルやノウハウが要求される業務
・結果、経験豊富な熟練者と同等レベルの意思決定を10倍以上のスピードで実現 できることを確認。今後、熟練者への負荷が高い様々な業務への適用を検討する とのこと。
出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・中古車査定領域への適用事例。
・査定の担当者が車の状態をチェックする際に、カメラ付きのスマートグラスを装着し、カメラ映像をリアルタイムでクラウドに送信。
・ボンネット内や車の底部など、見えにくい部分は内視鏡のようなカメラやロボットを使って撮影。
・当該映像情報をもとに、これまで取り扱った大量の車の画像データにより学習されたモデルからスコアが付けられ、「どれくらいの価格になるのか、車がいつごろ売れるのか」を予測。
・車のどのような点をどのように評価すればよいのか、データの使い方を細かく定めることで一台一台が異なる中古車の価格を決定するための基準を作成。査定者のワークフローを「標準化」することで、誰がやっても同じ結果が得られるように。
・評価項目は、車種や走行距離、地域ごとの同車種の新車販売台数や、顧客からの評判、車の登録番号など2,000 を超える。
・車の状態を示すデータはアプリなどで詳しく公開。顧客から信頼が得られやすいメリットも。
・データを駆使することにより圧倒的な効率化を実現。技術を使って業界を徹底的に革新している好事例。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・中古品売買が出来るマーケットプレイスを提供中(総出品数は20 億品を超える状況:2020 年12 月現在)。
・顧客の声として、「SNS でみつけた服を簡単に探したい」、「商品名やブランド名がわからずうまく探せない」などの要望あり。
・膨大な出品物の中から、より手間なくほしい商品を見つけ出せるように「写真検索機能」を導入。
→フリマアプリにおいて、スマートフォンから写真をアプリに読み込むだけで、アプリ上にある同じ商品や似ている商品を検索可能。本機能により、「これまで探したかったけれどブランド名や商品名がわからず検索できなかった商品」を簡単に探すことが可能に。
・ディープニューラルネットワーク(DNN)を使用して商品画像から特徴ベクトルを取得。
・取得した特徴ベクトルをApproximate Nearest Neighbor Index(ANN Index)に
追加して画像index を構築。
・検索時には同じく商品画像からDNN を介して特徴量ベクトルを取得し、ANN Index から検索。
・エッジデバイスでの処理を見据え、モデルにはMobileNet v2 を採用。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・アプリコンテンツ「パーソナルAIメイクアドバイザー」に深層学習技術を適用。
・「その日のなりたい印象に合わせたメイクを楽しむためのサポートツール」とし ての位置付け。
・顔写真を撮影するだけで、深層学習技術を用いて独自に開発したエンジンが四季 をイメージした4カテゴリにてパーソナルカラーを判定し、顔のパーツや比率の 分析と組み合わせて似合う色や目的に合った商品を提示。
・深層学習技術の活用によりAIがプロのカラースタイリストの判定に関わるポイン トや理論、判定に際しての感覚などを学習し、プロカラースタイリストと比べて も遜色ないレベルでパーソナルカラーを判定できることを実証(注)。
(注)時間帯や照明など多様な条件下で撮影された多数の顔写真を見てプロカラースタイリストが カラー判定した結果をデータ化し、深層学習技術を用いて独自に開発したAIエンジンがプロ の判定結果を再現できるかを多面的に検証。その結果、画質が低い場合や不明瞭な場合を除 き、AIによるベースカラー判定は90%程度がカラースタイリストの判定と一致。

出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・アルツハイマー病は高齢者における認知症の最大の原因といわれる進行性の脳疾 患。記憶や思考能力に徐々に障害が現れ、最終的には日常的な簡単な作業もでき なくなるといわれている。
・カリフォルニア大学サンフランシスコ校(UCSF)放射線医学画像診断学科の研究 者たちは、脳のスキャン画像を用いて畳み込みニューラルネットワーク(CNN) のトレーニングを行い、アルツハイマー病の早期診断に成功。平均で6年早く正 確に予測することが可能。
・アルツハイマー病の診断にAIを用いる試みは他でも行われているが、該当チーム ではこれまで学習に用いられてこなかったバイオマーカーに着目。アルツハイ マー病研究を進めているアルツハイマー病神経のデータセットに含まれる、1,000 名の患者から得られた2,000例のFDG-PET画像(注)を使用。
(注)FDG-PET:FDG(放射性グルコース化合物)を血流内に投与して体組織に取り込ませ、FDG がどれぐらい取り込まれているかに応じて組織の代謝活動を測定できるというイメージング 技術。これを使用すると、アルツハイマー病の脳に起こる代謝のわずかな変化を捉えること が可能。
・データセットの90%でCNNをトレーニングし、残り10%でテストを行った結果、 アルゴリズムはアルツハイマー病に対応する代謝パターンを学習した。
・この学習を経て、患者40名における2006年から2016年の間のスキャンデータを 検査した結果、アルゴリズムは精度98%でアルツハイマー病を見つけることに成 功。さらに「アルツハイマー病ではない」という診断も82%の精度で下せたとの こと。
・今回の研究の対象は小規模なものであり、さらなる研究が必要であるものの、今 後の更なる発展が期待される。
出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・今までの不動産検索サイトでは、3DKや4LDKといった、「部屋数」での物件検索 はできても、「リビングと一体で使える部屋が欲しい」「全部屋にバルコニーがあ る物件が理想」等の「間取りの特徴」を基に物件を探すことはできなかった。
・エンドユーザーが閲覧している物件間取図の特徴をディープラーニングをもとに AIで解析し、2万件超の登録物件の中から、間取りの特徴が類似した物件を探し 出し、おすすめ物件を表示。これにより、間取りの特徴を軸にした新しい不動産 探しが可能に。
・解析可能な間取りの特徴例:
2階リビング、ワイドスパン(バルコニー側の間口が広い)、2wayキッチ ン(出入口が2箇所あるキッチン)、全居室がリビングを経由する、リビン グと一体で使える部屋あり、全居室バルコニーあり等
出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より
・いちょう切りに加工されたニンジンの目視検査をディープラーニングを用いた異 常検知手法により自動化。
・「良品」を学習させる逆転の発想で精度が飛躍的に向上した。シンプルな操作性 とスペースを必要としないコンパクトさも特徴的。
・欧州製の検査装置に比べて一桁安い低価格での実用化を実現。同じ課題を抱え る他の原料・食品メーカーへの導入、外販も進めている。
・ドローンまたは専用アプリケーションで送電鉄塔を撮影し、ディープラーニングにより腐食劣化の度合いを判定。
・GPSによる位置情報などもあわせて収集し、統合的な送電鉄塔の保守管理システムを実現。補修工事計画の策定も省力化され、社員5 人で25 時間かかっていた計画策定作業が社員2 人・4 時間で実施できるようになった。
・国土交通省主催「第4回インフラメンテナンス大賞」において、経済産業大臣賞を受賞。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より

ディープラーニングの活用事例を募集しています

JDLAでは、ディープラーニングを活用した事例の情報を募集しております。
申請いただいた情報は、内容を確認後、JDLAの公式サイトにて掲載させていただく予定です。
以下のリンク先のフォームに必要事項をご記入の上、申請お願いいたします。