画像×ディープラーニング 画像解析AI:
SyncLect Detection

画像や映像内容をAIで解析を行い、
企業のアナログ業務のデジタル化を支援します。

画像解析とは

物体認識

物体認識には一般物体認識と特定物体認識とで大別されます。

一般物体認識では画像情報から「この画像は車だ」と判別を行い、特定物体認識では「具体的なメーカーと車種」という判断を行います。

一般物体認識においては、クラウドプラットフォーマーが提供するAmazon RekognitionやGoogle Cloud Visionを使う事が増えており、 特定物体認識は、それぞれの画像を独自に学習させる必要がある為、学習モデル生成にAzure Custom Visionや、Google AutoML、機械学習を用いる事が増えています。

画像認識と画像解析の違いとしては、一般物体認識の事を画像認識と呼ばれる傾向があります。

pixta_47964849_S.jpg

物体検出

画像情報は多くの情報を含んでいますが、画像や映像での認識場面で多いのは、 背景と認識したい物体を切り分けたいパターン、複数物体が映り込んでいるパターン、特定領域にフォーカスしたいパターンです。

このようなシチュエーションの場合は、物体検出を行う事で、「その画像には何が映り込んでいるのか」をそれぞれ判断する事ができ、 判断したい画像部分にフォーカスを行います。

物体検出にはディープラーニングを応用し、ライブラリにはDarknetやOpenCVを使い、 アルゴリズムはSSD、YOLO、R-CNNを使うケースが増えてきています。


pixta_44294983_S.jpg

特徴量抽出

特定物体認識において、より細かい単位で画像内容を認識・分類したい時に、物体検知によりフォーカスした画像情報から特徴量を算出します。

ディープラーニングの1つである畳み込みニューラルネットワーク「CNN(Convolution Neural Network)」を利用したCaffeなどを用い、 より細かい単位での画像内容の判別を行う事ができます。

また、映像の場合においては、行動の特徴を学習する事で、行動内容認識を行う事ができます。

pixta_44294965_S.jpg

SyncLect Detectionによる画像解析

映像物体認識

自動運転技術によく用いられている技術です。

NVIDIAやIntelの高速GPUを利用することにより、映像上に映る物体検知と物体認識を高速で行う事ができます。
これにより、映像に映る被写体にフォーカスし、高速被写体分類と認識・検知を行う事ができます。

またDarknet+YoloやGoogleColab、M2det、v-capsnet、U-Net、転移学習を活用する事で、認識精度向上や開発工数短縮に工夫を施しています。

1_NLnnf_M4Nlm4p1GAWrWUCQ.gif

混雑ライブ認識

よく映像情報を解析しようとすると、プライバシーの侵害を心配される場面が多いですが、 当社では、上記物体検出を行う事で、人の映像情報に自動的にマスキングを施す事ができます。
これにより、様々な場面の映像情報を解析し、今までデジタル化ができなかった映像分野への応用が可能です。

Comieru Liveを詳しく見る

スポーツアナリティクス

画像や映像情報から、人物の動きを追ったり距離計測や姿勢検知を行う事で、 スポーツデータアナリティクスを行う事ができます。

またスポーツのテレビ放映時にどれだけスポンサーロゴが出たかをカウントする事で、スポーツ放映の効果測定に活かす情景物体認識+OCRと言った解析や、画像情報から得たデータをさらに機械学習に入れて質問に回答するデータレコメンドも可能です。

荷物判定

darknet,CRAFT,tesseractを使い、荷物情報の外観から、どの荷物が運ばれているかの自動判断を行います。
これにより、倉庫作業のデジタルデータ化を行う事でペーパーレス化を行ったり、 棚卸作業をデジタル管理する事で業務可視化と業務改善をしやすくする基盤を作る事が可能となります。
また、人物判定を行う事で「誰が」「どの」荷物を運んでいるかも判定します。

pixta_37256850_S.jpg

無人店舗

小売流通業界において、新たな潮流となっている無人店舗での、カメラ認識を行います。

これにより、Amazon Goのように「商品を手に取っているか」「商品棚から商品が減ったか」を判断し、 無人レジと連携する事で、店員いらずの買い物体験を可能としています。

カメラの設置位置を増やす事で、行列認識を行ったり、異常検知による防犯としての応用も可能とします。

pixta_28691746_S.jpg

食品画像判定

ライフログやSNSなどで食事メニューを撮影する場面がよくありますが、 Darknet(Yolo v3)を用いて、その画像情報から食品内容を判定し、栄養素の認識や食事内容やメニューの認識を行う事ができます。

冷蔵庫内や食卓、飲食店のテーブルにおける理想的なメニューを提案したり、食べ途中の内容を認識し、「もう一杯いかがですか」のアップセルの実現を行います。

様々なカメラに対応

定点カメラ

pixta_45133546_S.jpg

卓上カメラ

pixta_41260760_S.jpg

Webカメラ

pixta_37545363_S.jpg

ドローンカメラ

drawn_350S.jpg

ドライブレコーダー

pixta_47296440_S.jpg

ウェアラブルカメラ

pixta_24756620_S.jpg


POCスターターキット

Raspberry Pi、Intel Movidius NCS、Webカメラ、IoTセンサーを組み合わせ、簡易的なエッジコンピューティングカメラをご用意。
概念実証を行う為のスターターキットをご用意しています。

この小型コンピュータ上でTensorflowなどを動かし、IoTデバイスを追加することによりカスタム開発も行っております。
ちょうどよい画像や映像データが無い場面でも始めやすいプランをご用意しております。

参考:エッジAI開発ページへ

accelalator_board_image500.jpg

可視化とチューニングは
クラウドで提供

画像解析AIを運用に乗せる
クラウドサービス

解析された結果はお客様の手で確認できる可視化クラウドサービスを提供しています。

可視化だけでなく特定物体認識の機械学習モデルを適用した場合のコンテンツ更新や、重みづけのチューニングを一つの管理画面に集約し、 「AIの画像解析結果を使って運用するフェーズ」に対応可能です。
これにより、軽微な改善作業を毎回AIエンジニアに委託せずに、「セルフ型での改善活動」を可能としています。

gaudi_CMS_500S.jpg