Suche senden
Hochladen
GDG2018 vision kit mahjong
•
3 gefällt mir
•
1,348 views
R
Rio Kurihara
Folgen
GDG DevFest Tokyo2018での発表資料
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 58
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
ゲームAIの中の数学(下)
ゲームAIの中の数学(下)
Youichiro Miyake
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
東方ゲームAIとその歴史
東方ゲームAIとその歴史
ide_an
ゲームAI製作のためのワークショップ(I)
ゲームAI製作のためのワークショップ(I)
Youichiro Miyake
人工知能とアート
人工知能とアート
Youichiro Miyake
ゆるとれWebツールのご紹介
ゆるとれWebツールのご紹介
pig micoratocaster
人工知能/機械学習/深層学習ってなんぞ
人工知能/機械学習/深層学習ってなんぞ
Takuji Morimoto
デジタルゲームの調整・デバッグ・品質管理における人工知能技術の応用
デジタルゲームの調整・デバッグ・品質管理における人工知能技術の応用
Youichiro Miyake
Empfohlen
ゲームAIの中の数学(下)
ゲームAIの中の数学(下)
Youichiro Miyake
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
東方ゲームAIとその歴史
東方ゲームAIとその歴史
ide_an
ゲームAI製作のためのワークショップ(I)
ゲームAI製作のためのワークショップ(I)
Youichiro Miyake
人工知能とアート
人工知能とアート
Youichiro Miyake
ゆるとれWebツールのご紹介
ゆるとれWebツールのご紹介
pig micoratocaster
人工知能/機械学習/深層学習ってなんぞ
人工知能/機械学習/深層学習ってなんぞ
Takuji Morimoto
デジタルゲームの調整・デバッグ・品質管理における人工知能技術の応用
デジタルゲームの調整・デバッグ・品質管理における人工知能技術の応用
Youichiro Miyake
人工知能のための哲学塾 - 西洋哲学レビュー編② -
人工知能のための哲学塾 - 西洋哲学レビュー編② -
Youichiro Miyake
人工知能とビジネス
人工知能とビジネス
Youichiro Miyake
デジハリ講義 第8回「人工知能と未来」
デジハリ講義 第8回「人工知能と未来」
Youichiro Miyake
CODE FES 2017 講演資料(後篇)
CODE FES 2017 講演資料(後篇)
Youichiro Miyake
デジタルゲームにおけるマルチエージェント操作技術
デジタルゲームにおけるマルチエージェント操作技術
Youichiro Miyake
スマートシティへのデジタルゲームAIの応用
スマートシティへのデジタルゲームAIの応用
Youichiro Miyake
クリエイティブな人のための哲学塾
クリエイティブな人のための哲学塾
Youichiro Miyake
IGDA日本 GDC2016報告会 「人工知能の行方 -ゲームエンジンとVRの間で-」
IGDA日本 GDC2016報告会 「人工知能の行方 -ゲームエンジンとVRの間で-」
Youichiro Miyake
Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)
Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)
Youichiro Miyake
ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)
Youichiro Miyake
位置情報ゲーム「Ingress」を用いた自治体での観光振興の取り組み―神奈川県横須賀市と東京都中野区の事例研究によるモデル構築― 内田悠貴
位置情報ゲーム「Ingress」を用いた自治体での観光振興の取り組み―神奈川県横須賀市と東京都中野区の事例研究によるモデル構築― 内田悠貴
Ruin Dig
Innovative City Forum 2020 講演資料
Innovative City Forum 2020 講演資料
Youichiro Miyake
東京大学 経済学部講義 後半
東京大学 経済学部講義 後半
Youichiro Miyake
ゲームAIとマルチエージェント(上)
ゲームAIとマルチエージェント(上)
Youichiro Miyake
ゲームAI製作のためのワークショップ(III)
ゲームAI製作のためのワークショップ(III)
Youichiro Miyake
黒川塾七八(78)講演資料
黒川塾七八(78)講演資料
Youichiro Miyake
デジタルゲームにおける人工知能技術
デジタルゲームにおける人工知能技術
Youichiro Miyake
物語自動生成
物語自動生成
Youichiro Miyake
バーチャルワールド、スマートシティ、人工知能
バーチャルワールド、スマートシティ、人工知能
Youichiro Miyake
ゲームAI公開セミナー#2「物語生成」
ゲームAI公開セミナー#2「物語生成」
Youichiro Miyake
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
BrainPad Inc.
PyConJP2018_LT_mahjong_180918
PyConJP2018_LT_mahjong_180918
Rio Kurihara
Weitere ähnliche Inhalte
Was ist angesagt?
人工知能のための哲学塾 - 西洋哲学レビュー編② -
人工知能のための哲学塾 - 西洋哲学レビュー編② -
Youichiro Miyake
人工知能とビジネス
人工知能とビジネス
Youichiro Miyake
デジハリ講義 第8回「人工知能と未来」
デジハリ講義 第8回「人工知能と未来」
Youichiro Miyake
CODE FES 2017 講演資料(後篇)
CODE FES 2017 講演資料(後篇)
Youichiro Miyake
デジタルゲームにおけるマルチエージェント操作技術
デジタルゲームにおけるマルチエージェント操作技術
Youichiro Miyake
スマートシティへのデジタルゲームAIの応用
スマートシティへのデジタルゲームAIの応用
Youichiro Miyake
クリエイティブな人のための哲学塾
クリエイティブな人のための哲学塾
Youichiro Miyake
IGDA日本 GDC2016報告会 「人工知能の行方 -ゲームエンジンとVRの間で-」
IGDA日本 GDC2016報告会 「人工知能の行方 -ゲームエンジンとVRの間で-」
Youichiro Miyake
Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)
Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)
Youichiro Miyake
ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)
Youichiro Miyake
位置情報ゲーム「Ingress」を用いた自治体での観光振興の取り組み―神奈川県横須賀市と東京都中野区の事例研究によるモデル構築― 内田悠貴
位置情報ゲーム「Ingress」を用いた自治体での観光振興の取り組み―神奈川県横須賀市と東京都中野区の事例研究によるモデル構築― 内田悠貴
Ruin Dig
Innovative City Forum 2020 講演資料
Innovative City Forum 2020 講演資料
Youichiro Miyake
東京大学 経済学部講義 後半
東京大学 経済学部講義 後半
Youichiro Miyake
ゲームAIとマルチエージェント(上)
ゲームAIとマルチエージェント(上)
Youichiro Miyake
ゲームAI製作のためのワークショップ(III)
ゲームAI製作のためのワークショップ(III)
Youichiro Miyake
黒川塾七八(78)講演資料
黒川塾七八(78)講演資料
Youichiro Miyake
デジタルゲームにおける人工知能技術
デジタルゲームにおける人工知能技術
Youichiro Miyake
物語自動生成
物語自動生成
Youichiro Miyake
バーチャルワールド、スマートシティ、人工知能
バーチャルワールド、スマートシティ、人工知能
Youichiro Miyake
ゲームAI公開セミナー#2「物語生成」
ゲームAI公開セミナー#2「物語生成」
Youichiro Miyake
Was ist angesagt?
(20)
人工知能のための哲学塾 - 西洋哲学レビュー編② -
人工知能のための哲学塾 - 西洋哲学レビュー編② -
人工知能とビジネス
人工知能とビジネス
デジハリ講義 第8回「人工知能と未来」
デジハリ講義 第8回「人工知能と未来」
CODE FES 2017 講演資料(後篇)
CODE FES 2017 講演資料(後篇)
デジタルゲームにおけるマルチエージェント操作技術
デジタルゲームにおけるマルチエージェント操作技術
スマートシティへのデジタルゲームAIの応用
スマートシティへのデジタルゲームAIの応用
クリエイティブな人のための哲学塾
クリエイティブな人のための哲学塾
IGDA日本 GDC2016報告会 「人工知能の行方 -ゲームエンジンとVRの間で-」
IGDA日本 GDC2016報告会 「人工知能の行方 -ゲームエンジンとVRの間で-」
Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)
Builderscon 2016 講演資料 「人工知能によってプログラムを有機化する」(後篇)
ゲームAIとマルチエージェント(下)
ゲームAIとマルチエージェント(下)
位置情報ゲーム「Ingress」を用いた自治体での観光振興の取り組み―神奈川県横須賀市と東京都中野区の事例研究によるモデル構築― 内田悠貴
位置情報ゲーム「Ingress」を用いた自治体での観光振興の取り組み―神奈川県横須賀市と東京都中野区の事例研究によるモデル構築― 内田悠貴
Innovative City Forum 2020 講演資料
Innovative City Forum 2020 講演資料
東京大学 経済学部講義 後半
東京大学 経済学部講義 後半
ゲームAIとマルチエージェント(上)
ゲームAIとマルチエージェント(上)
ゲームAI製作のためのワークショップ(III)
ゲームAI製作のためのワークショップ(III)
黒川塾七八(78)講演資料
黒川塾七八(78)講演資料
デジタルゲームにおける人工知能技術
デジタルゲームにおける人工知能技術
物語自動生成
物語自動生成
バーチャルワールド、スマートシティ、人工知能
バーチャルワールド、スマートシティ、人工知能
ゲームAI公開セミナー#2「物語生成」
ゲームAI公開セミナー#2「物語生成」
Ähnlich wie GDG2018 vision kit mahjong
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
BrainPad Inc.
PyConJP2018_LT_mahjong_180918
PyConJP2018_LT_mahjong_180918
Rio Kurihara
ゆるロボ製作所ができるまで
ゆるロボ製作所ができるまで
Mikito Yoshiya
[クリエイティブハント2018]LT 道場破りしたらできちゃった/// #ゴーハント
[クリエイティブハント2018]LT 道場破りしたらできちゃった/// #ゴーハント
Hiroyuki Ishikawa
18 minitus発表資料
18 minitus発表資料
Keiichirou Miyamoto
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
Hisao Soyama
Shinyを自由に使ってみる
Shinyを自由に使ってみる
Masanori Takano
[2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる!Neural Network Console活用のススメ
[2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる!Neural Network Console活用のススメ
Insight Technology, Inc.
新卒がモンストとファイトリーグリーグ開発で行ったこと
新卒がモンストとファイトリーグリーグ開発で行ったこと
hogehoge14
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
tokyorgirls
QnA Maker 逆入門
QnA Maker 逆入門
Yoshitaka Seo
アプリエンジニアがサーバーサイドで最初に勉強するべきこと
アプリエンジニアがサーバーサイドで最初に勉強するべきこと
YutoNishine
Aiをアプリに取り込む!
Aiをアプリに取り込む!
史也 久米
コンソールベタ打ち卒業:スクリプトエディタを使おう
コンソールベタ打ち卒業:スクリプトエディタを使おう
Yu Tamura
ゼミ報告会20141203
ゼミ報告会20141203
Sayaka Mine
Completely understand smart_speaker
Completely understand smart_speaker
Toshiaki Endo
30分で分かった気になるゲームAI講座
30分で分かった気になるゲームAI講座
beyond Co., Ltd.
Androidアプリ 長い黒髪のマイカノジョ 制作ノート
Androidアプリ 長い黒髪のマイカノジョ 制作ノート
Hiroyuki Shimanishi
クリスマス企画を技術面から振り返り ( #ヒカラボ: 15分)
クリスマス企画を技術面から振り返り ( #ヒカラボ: 15分)
Sugawara Ryousuke
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Yuya Unno
Ähnlich wie GDG2018 vision kit mahjong
(20)
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
PyConJP2018_LT_mahjong_180918
PyConJP2018_LT_mahjong_180918
ゆるロボ製作所ができるまで
ゆるロボ製作所ができるまで
[クリエイティブハント2018]LT 道場破りしたらできちゃった/// #ゴーハント
[クリエイティブハント2018]LT 道場破りしたらできちゃった/// #ゴーハント
18 minitus発表資料
18 minitus発表資料
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
Shinyを自由に使ってみる
Shinyを自由に使ってみる
[2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる!Neural Network Console活用のススメ
[2018/9/27(木): 三木会@大阪] プログラミング無しでここまでできる!Neural Network Console活用のススメ
新卒がモンストとファイトリーグリーグ開発で行ったこと
新卒がモンストとファイトリーグリーグ開発で行ったこと
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
QnA Maker 逆入門
QnA Maker 逆入門
アプリエンジニアがサーバーサイドで最初に勉強するべきこと
アプリエンジニアがサーバーサイドで最初に勉強するべきこと
Aiをアプリに取り込む!
Aiをアプリに取り込む!
コンソールベタ打ち卒業:スクリプトエディタを使おう
コンソールベタ打ち卒業:スクリプトエディタを使おう
ゼミ報告会20141203
ゼミ報告会20141203
Completely understand smart_speaker
Completely understand smart_speaker
30分で分かった気になるゲームAI講座
30分で分かった気になるゲームAI講座
Androidアプリ 長い黒髪のマイカノジョ 制作ノート
Androidアプリ 長い黒髪のマイカノジョ 制作ノート
クリスマス企画を技術面から振り返り ( #ヒカラボ: 15分)
クリスマス企画を技術面から振り返り ( #ヒカラボ: 15分)
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
GDG2018 vision kit mahjong
1.
Vision Kit で遊んでみた ー麻雀牌のリアルタイム検出ー #エッジ推論
#MLEngine #物体検出 Rio Kurihara
2.
2 資料は後日公開予定 写真撮影OK SNSアップOK はじめに
3.
3 Ajenda 1. 麻雀点数計算チャットボット開発奮闘記 2. その中で注目したAYI
Vision Kitでのエッジ推論について 3. まとめ
4.
4 栗原 理央(Rio Kurihara) •
株式会社ブレインパッド • アナリティクスサービス部 データサイエンティスト • 2016年入社(新卒3年目) • 経験分野 • 自然言語処理 • 画像処理 • 需要予測 • 統計モデリング/機械学習/深層学習 • Not エンジニアリング http://free-illustrations.gatag.net/ https://www.pakutaso.com/ https://free-materials.com/ 好きなこと 普段使っている主な言語・ツール
5.
5 突然ですが
6.
6 麻雀が好きです
7.
7 (ぶっちゃけ下手の横好きですが)
8.
8 30符 4翻 7,700点!
9.
麻雀点数計算チャットボット開発奮闘記 9
10.
10 麻雀点数計算チャットボット開発概要 ※お遊びで始まり、未だお遊びの域を出ていない Who? ただの麻雀好き1名+心優しい助っ人の方々(完全非業務) What? 麻雀の点数計算を自動化する Why?
点数計算ができない・覚えるの面倒くさい・初心者のハードル下げたい How? 画像つかう ※詳細は後述 Input(画像) ※Sample 牌の識別 役名 1p 2p 3p … 8m 9m p f c 平和 1 1 1 … 0 0 0 0 0 断ヤオ 0 1 1 … 1 0 0 0 0 混一 0 0 0 … 1 1 3 0 0 点数計算 ルールベース
11.
11 PJ開始時のリサーチ(2017/2時点) • 需要はあるのか? →
無くはなさそう • 既存サービスは? → 1つ見つけたがリリース前 • 役自動計算アプリ①(非画像認識) • 役自動計算アプリ②(画像認識・開発途中) • 役自動計算アプリ②を作った人っぽい人のブログ
12.
12 麻雀点数計算チャットボット開発 最初はなるべく機械学習使わない とりあえずテンプレートマッチング 試してみよう
13.
13 テンプレートマッチングとは テンプレート画像(探索対象)と、 探索領域となる画像を入力とする。テンプ レート画像を少しずつずらしながら、探索領域内の対象領域との比較を行う。
14.
14 テンプレートマッチングによる検出結果(1) output (閾値0.55) output (閾値0.6) テンプレート 画像 入力画像 (探索用) Before After 牌 max_val e
0.763 c 0.534 9s 0.740 9p 0.529 9m 0.749 8s 0.656 7s 0.732 6s 0.601 4p 0.639 3p 0.694 3m 0.577 2p 0.796 1p 0.546 1m 0.721 8m 0.478 6m 0.470 7p 0.466 1s 0.456 2s 0.438
15.
テンプレートマッチングによる検出結果(1) 逆さま・明るめ・画質悪めの画像(閾値0.4) 正解牌数:0 (閾値0.55で識別0、閾値0.4で上記結果) かなりいい感じの画像①(閾値0.55) 正解牌数:14牌(100%) ちょっと斜めからの画像①(閾値0.55) 正解牌数:2 明るめ・画質悪めの画像(閾値0.4) 正解牌数:0 (閾値0.55で識別0、閾値0.4で上記結果) ちょっと斜めの画像②(閾値0.55) 正解牌数:3 かなり斜め・暗めの画像(閾値0.55) 正解牌数:1 牌毎の閾値を設定しようと複数データを識別させてみましたが、そもそも、撮影条件がかなり 整っていないと識別は難しそ⇒完全真上からの撮影、明るさが適切、方向が正しい
16.
テンプレートマッチングによる検出結果(1) 逆さま・明るめ・画質悪めの画像(閾値0.4) 正解牌数:0 (閾値0.55で識別0、閾値0.4で上記結果) かなりいい感じの画像①(閾値0.55) 正解牌数:14牌(100%) ちょっと斜めからの画像①(閾値0.55) 正解牌数:2 明るめ・画質悪めの画像(閾値0.4) 正解牌数:0 (閾値0.55で識別0、閾値0.4で上記結果) ちょっと斜めの画像②(閾値0.55) 正解牌数:3 かなり斜め・暗めの画像(閾値0.55) 正解牌数:1 牌毎の閾値を設定しようと複数データを識別させてみましたが、そもそも、撮影条件がかなり 整っていないと識別は難しそ⇒完全真上からの撮影、明るさが適切、方向が正しい 圧倒的イケてなさ
17.
助っ人の登場により深層学習モデルが誕生
18.
18 学習データ作りを工夫して量産 • アノテーションは本当に辛い。最低でも数百枚は必要 • 34種類の牌画像だけ撮影し、あとはランダムに配置するだけ 18 牌画像
学習用画像
19.
19 アルゴリズムはみんな大好きSSD • 深層学習の物体検出アルゴリズム • 画像中の「どこに」「何が」あるかを予測する
20.
20 SSDによる検出結果
21.
21 SSDによる検出結果 イケてる
22.
23.
23 2018年5月21日 東北大学の学生チームが 初心者向け麻雀支援アプリ「JongHelper」を開発 学生向けハッカソン「JPHACKS2017」に出場し、 審査員特別賞の他4つの企業賞を同時受賞
24.
https://mj-news.net/game-app/2018052198280
25.
25 み、皆考えることは同じなんや・・・!
26.
26 焦りはじめ、LINE bot開発に着手
27.
27 2018年6月27日 KDDIがiOSアプリ「麻雀カメラ」をリリース
28.
28 https://game.watch.impress.co.jp/docs/news/1130791.html https://news.mynavi.jp/article/20180627-656167/
29.
29 方々からの煽りを受ける ※ ↓本日meetup主催者 ※ 本日meetup登壇者
→
30.
それでも とりあえずなんとか 動くものができた
31.
31 LINEbotのシステム構成図 ユーザー LINE bot
サーバ 画像 送信受信 RestAPI 画像送信 herokuサーバ 学習 推論 社内GPU サーバ
32.
32
33.
33 もっさりした愛くるしい使用感
34.
34 もっさりした愛くるしい使用感 ロン、0点!!
35.
35 愛くるしいのもいいけど、 改善したかった
36.
36 目をつけたのが
37.
37
38.
38 Vision Kitとは ※今回使用したのは第二作目のV1.1(2018年7月24日発売)
39.
39 Vision Kitとは • Google
AIY 製品のひとつ。スマート カメラ自作キット • 何ができる? クラウドに接続することなくVision Kit上で、ニューラルネットワークモデルを動 かし、モノを認識可能 付属SDにいくつかのモデルが用意されており、カスタムモデル作成も可 • チュートリアルに沿って組み立てていけばカメラ・ボタン・LED等との接続は簡単で、 Raspiの知識ほぼいらなかった • 動作環境 Raspberry Pi Zero WH で動作 Vision Bonnet ※今回使用したのは第二作目のV1.1(2018年7月24日発売)
40.
40 Vision bonnetについて https://www.movidius.com/myriadx
41.
• ニューラル ネットワークを実行できる低電力視覚処理ユニット
Intel® Movidius™ MA2450チップ搭載 • 毎秒最大30フレームのスピードで実行可能 • (Pi Zero Wの処理を60倍高速にするらしい) 41 Vision bonnetについて https://www.movidius.com/myriadx
42.
42 組み立て・動作確認は初心者でもカンタンだった 本当に1時間20分くらいで終わった
43.
チャットボットと比べて 何がいいの?
44.
エッジ推論であること
45.
45 エッジ推論とは • IoT時代の到来により、膨大なデータがエッジ側で生成されるようになっている • 機械学習モデルを作るハードルは下がり、次にモバイル・エッジデバイス上で機械 学習を動かすニーズが増えている •
遅延が少ない • オフライン環境でも動く • データがデバイス上に留まる • 電力効率が良い • センサーデータを直接扱える
46.
46 モバイル・エッジデバイス上でML動かすのはキツイ • 計算リソースが限られている • メモリも潤沢ではない •
バッテリーを気にしなければならない http://codecrafthouse.jp/p/2018/01/knowledge-distillation/ • 強力なマシンで動作する複雑なモデルと比べると精度が低くなりがち • 実装の難易度が高い 当然良いところばかりではなく使うには制約がある
47.
47 エッジ推論のためのテクノロジー • モデルの圧縮 • Quantization(量子化) •
Distillation(蒸留) • Pruning(枝刈り) • ・・・ • エッジへの機械学習モデルのデプロイを実現してくれるサービス • TensorFlow Lite • ML kit for Firebase • TensorFlow.js • ・・・
48.
48 実際にやってみた
49.
制作手順 49
50.
50 全体フロー • Vision Kitの組み立て・チュートリアル •
Tensor Flow Object Detection APIのカスタムモデル作成 • データの準備 • 簡単な前処理 • 学習(MLEngine) • Vision Bonnetへのコンパイル • 推論
51.
51 【再掲】 LINEbotのシステム構成図 推論時に通信のオーバーヘッドがかかる ユーザー LINE
bot サーバ 画像 送信受信 RestAPI? Call back URL 画像送信 herokuサーバ 学習 推論 社内GPU サーバ
52.
52 システム構成図の比較 推論の際に、都度通信する必要がなくなる ユーザー LINE bot
サーバ 画像 送信受信 RestAPI 画像送信 herokuサーバ LINEbotのシステム構成図 画像撮影・物体検出・結果出力 Vision Kit Vision Kitのシステム構成図 学習 推論 社内GPU サーバ GCP MLEngine 推論
53.
モデルについて 53
54.
54 モデルについて • 使用したモデル:embedded_ssd_mobilenet_v1 • MobileNet? •
モバイルアプリケーションなどのように制約された環境でも耐久して機能することに特化 したニューラルネットワーク • 必要な作動数やメモリの削減を可能にする • Vision bonnetで実行する際は、入力サイズは256×256という制約がある • (以前のSSDkerasモデルでは512×512で学習させた)
55.
デモ うまくいかなかったら本当にごめんなさい 55
56.
まとめ 56
57.
57 まとめ • 麻雀点数計算アプリ(現状ただの物体検出)を作ってみた • 動作のもっさり感をきっかけにエッジ推論にチャレンジしてみた。リアルタイム物体検 出動いた •
難しい技術だと思っていたがツールの発展もあり手軽に試せるようになっていた • とはいえ融通が効かない部分があり検出精度は低いものの、今後発展していくの では • シンプルで高精度なモデル/複雑なモデルも推論できるよう(安い)基盤 • (いろいろ試す時間がなかったので精度向上の余地あり) • LINEチャットボットにもまだ改善の余地はありますし、bonnetが載っていないRaspi だともっともっさりするかもしれない • vision kit楽しいです!みなさんも遊んでみてください!
58.
ありがとうございました 58
Jetzt herunterladen