Twitter
Facebook
Hatena
「AIに触れてみる!~Microsoft AIの実践事例と活用方法について~」日本マイクロソフト主催ウェビナーに登壇(第1回)

2020年9月23日(水)、日本マイクロソフト社主催ウェビナーに、「AIに触れてみる!~Microsoft AIの実践事例と活用方法について~(画像認識編)」と題して、MS事業部 フェローの増田 裕正が登壇しました。日本マイクロソフト社から本件に関するホワイトペーパーが公開されています。

【ホワイトペーパー】AIにふれてみる!Microsoft AI の活用事例と実践(画像認識編)

富士ソフトはマイクロソフト社のAI導入の先駆者

2016年、当社は日本で初めて、マイクロソフト社の「Cortana Intelligence Suite」を導入し、AIを活用した商品販売予測※1を実現しました。また2018年には、「Azure Machine Learning Studio」を導入支援し、空調システムの保守サービスについて不具合検知システムへの機械学習活用※2を実現するなど、先進的にクラウドAIへの取り組みを進めています。

2019年から、当社のフェローである増田がMicrosoft AIを活用した「4K定点カメラ映像による工事進捗管理システムの開発」※3の事例を評価いただき、この度の登壇となりました。

本ウェビナーは今後数回にわたり開催される予定です。第1回が9月23日に開催されました。
それでは、「AIに触れてみる!~Microsoft AIの実践事例と活用方法について~(画像認識編)」の内容をご紹介いたします。

※1 富士ソフトと日本食研ホールディングス、AIを活用した商品販売予測を実現
 ~マイクロソフト社の「Cortana Intelligence Suite」を日本で初めて導入、活用した予測システム~

※2【AI実用化事例】富士ソフトのAIインテグレーションサービス
  ジョンソンコントロールズ社の人手不足・技術継承の課題解決を技術で支援 ~保守サービスの不具合検知システムへのAI(機械学習)導入事例~

※3 4K定点カメラ映像による工事進捗管理システムを開発
  ~映像の3D化と建機検出AIにより工事進捗を見える化し、生産性向上を実現~

AIに触れてみる!~Microsoft AIの実践事例と活用方法について~

今回のウェビナーは、AIの初心者向けです。まずは、AIが近年ますます注目されている技術で、既に様々な業種業態で活用が進んでいること、画像認識のAIが製造業や小売業、金融業でどのように活用されているのかを紹介しました。

製造業では、人が目視で行っていた製品の外観検査に画像認識AIが活用されています。製品や部品をカメラで撮影し、その画像をAIが、良品か不良品かを判断します。

また、スーパーやコンビニなどの小売業でも画像認識AIが活用されています。POSから収集する購買データから購買予測や商品の仕入れを判断しますが、性別や年齢などは店員の目視で判断し入力していました。そこにAIが活用され、顔認識によって性別や年齢を判断し顧客情報として自動収集されています。

画像認識AIを導入することによって、様々な業種業態で作業の自動化や効率化、判断の精度向上を実現しています。

機械学習によるAIの作成

次に、活用が進むAIはどのように作成するのか、その手順を説明しました。

[データ収集]
 AIを作るにはデータが必要です。
 AIで解決したい問題にもとづいたデータを収集します。
[データ前処理]
 収集データのバランスを整える、誤データを除去するなど機械学習向けに加工します。
 教師あり学習では、たとえば、良品/不良品といったようにデータへのラベル付与が必要です。
[学習]
 データのパターンやルールを明らかにします。
 このパターンやルールを学習モデルといいます。
 教師あり学習ではラベルごとのデータのパターンやルールが抽出されます。
[評価]
 評価用データを使って学習モデルの正答率などを確認します。
 性能が不足している場合は、十分な性能が得られるまで、学習を繰り返します。

では、実際のビジネスにAIを適用する場合はどんな方法があるでしょうか。ここでは、以下の2つを紹介しました。

①AIを一から作る
 要件に合わせてきめ細やかに対応できるが、専門知識もプログラミングスキルも必要
②学習済AIを利用する
 メーカーやオープンソース等で提供されているものから選択でき、専門知識もプログラミングスキルも不要

Microsoft AIプラットフォームの紹介

Microsoft社からAIの開発、運用を目的とした総合プラットフォーム「Microsoft AIプラットフォーム」が提供されています。インフラストラクチャ、ツールなど様々なサービスがありますが、代表的な2つを紹介しました。

①Azure Machine Learning
 複数の機械学習フレームワークをサポート。GUIでの開発もサポート
②Azure Cognitive Services
 画像、音声、自然言語など複数のサービスが学習済AIとして公開されている。
 用途に応じて目的に合ったサービスを選択できる。

現在、27のサービスが提供されていて、画像領域から2つのサービスの紹介がありました。

・Face
 人の顔認識の学習済AI
 顔の認識だけでなく、年齢や性別、感情も判断でき、マスクの着用チェックも可能。
・Custom Vision
 学習済AIだがカスタマイズ可能。
 独自の画像データをWebのGUIツールで機械学習、独自の画像認識AIを開発できる。
 画像の分類、オブジェクトの検出をサポートする。

Custom Visionによる物体検出アプリの開発デモンストレーション

Custom Visionを使った、じゃんけん認識アプリの開発を実際に行うデモンストレーションを実施しました。先ほどのAIの作成手順に沿って進みます。

①データ収集

じゃんけんの画像データを収集します。スマートフォンで撮影した画像を使用しました。
Custom Visionを起動し、新しくプロジェクトを作成して画像をアップロードします。
(今回のプロジェクトは「じゃんけん」、画像は32枚用意)

②データ前処理

学習させるすべての画像データを編集し、AIで検出したい箇所を指定し「パー」「グー」「チョキ」とラベルを付けます。

③学習

ラベルを付けた画像データをCustom Visionで学習させます。非常に高速に処理が行われ、32枚の学習が3分程度で完了しました。

④評価

Precision(適合率)、Recall(再現率)、mAP(mean Average Precision:物体検出の指標)、の指標が表示されました。

学習に使用していない画像を使って、実際にAIで検出させることで、評価してみました。
残念なことに、チョキをグ―と誤検出してしまいました。そこで、学習用の画像データを追加し、再度学習。チョキと正しく検出されるようになりました。

⑤公開

AIの性能を改善できたので、クラウド上に公開しました。URLが発行されるので、アプリケーションから利用可能となりました。

⑥開発したAIの活用

公開されたAIをじゃんけん認識アプリに組み込むことで、じゃんけん認識アプリが簡単に開発できました。

今回は、大量の画像も必要なく、サクサク簡単にじゃんけんAIを生成できました。
前途のホワイトペーパーをご参考になさって、トライしてみてください。

今回ご紹介したウェビナーは、以下よりオンデマンドでもご覧いただけます。
「AI に触れてみる! ~ Microsoft AI の実践事例と活用方法について ~(画像認識編)」

次回の「AIに触れてみる!~Microsoft AIの実践事例と活用方法について~(自然言語処理編)」は、2020年11月5日(木)に予定されています。

次回のレポートもお楽しみに!


   

この記事の執筆者

増田 裕正Hiromasa Masuda

エグゼクティブフェロー

Microsoft Microsoft Azure AI(人工知能)

この記事の執筆者

FUJISOFT Technical Report編集部
FUJISOFT Technical Report編集部

イベント・セミナーを取材し、その様子をレポートします!

編集部