ディープラーニング活用支援サービス

お客様のご要望に応じたディープラーニングの検討、開発、運用を支援します。

ディープラーニング活用支援サービス

ディープラーニングとは

ディープラーニングは機械学習の手法の一つで、深い階層をもった関数を使うという点に特徴があります。
表現力が高い、深い関数を使用するため、データと計算量が多いと精度が上がります。
ディープラーニングに適した学習データは、正規化されているものよりも、画像や音声そのものや膨大なテキストです。
画像や音声などの入力から推論結果の出力までを一気通貫で学習するため、モデルを構築、評価、再度データ収集の見直しと、試行錯誤が必要となります。

ディープラーニング誕生の背景

図1-1

■ 単純パーセプトロンパーセプトロンを2層にすると、”学習”が出来ることが分かり、第1次ニューラルネットワークブームが到来。
しかし、非線形な問題は解けないとこが後に判明し、ブームが終了しました。

図1-2

■ 多層パーセプトロン3層のネットワークにすることで非線形な問題も解けることはわかっていたが、BackPropagationでそれが実現したことで、第2次ニューラルネットワークブームが到来。
1層→2層→3層とそれぞれ劇的に性能が上がるため、4層以上でよりよくなると考えられたが実際は性能が下がってしまい第2次ブームも終了となります。

図1-3

■ 現在
その後、2006年に提唱されていたが、実際には2010年の画像認識コンテストで圧勝したことで脚光を浴びる。
以後、現在までに様々な問題で劇的な性能向上を果たして一躍スタンダードになっています。

ディープラーニングの仕組み

図2-1

■ 機械学習以前入力から出力に向かって、人間が様々な処理を段階的に行って結果を得ていた。
それぞれが何をするかは専門家が知恵を絞って考えていました。

図2-2

■ 機械学習以後人間が考えた手法の最終的な部分は機械学習に委ねる。
機械学習アルゴリズムが上手く処理できるように、人間は前処理を頑張るようになります。

図2-3

■ ディープラーニング以後人間が考えた汎用的な方法より、問題ごとにDeepLearningが最適かした処理の方が優れているため全て任せる。
近年は理論的な解析も進んできているが、ブラックボックス化します。

ディープラーニングの利用シーン・応用例

ディープラーニングは、自動車、医療、製造、防犯・防災、エネルギー、農業等幅広い産業で研究開発、実証実験、社会実装が進んでいます。
ディープラーニングの応用は、画像認識、音声認識、言語認識が主な応用先になります。

>自動運転

自動運転

カメラ等を活用した、外界認識、シーン理解・予測等による自動運転の実現を目指します。

医療

医療

内視鏡画像を学習し、人間が見落としてしまう恐れがあるものを検出し、人間をサポートすることが出来ます。

文字認識

文字認識

書かれている文章や文字が何かを認識し、判別します。

対話

対話

日常使われる会話の言葉を学習し、質問の意図を汲み取ったやり取りが可能となります。

異常音検知

異常音検知

製造機器等から収集した音声データを元に異常音を検知し、機器の故障を予測出来ます。

異常検知

異常検知

IoTセンサーデータ等の時系列データを分析し、機器の故障を予測出来ます。

ディープラーニング(深層学習)を応用したサービス

画像解析

画像や動画から、人や物を特定し分類や人や物の名前をラベル付けすることにより人間が目視確認が必要な作業を自動化し業務の効率化を図ります。

テキスト解析(自然言語処理)

チャットボットによるコールセンターの対応省力化やWebサイトでの対応自動化を行います。
またSNS上のテキスト解析を行い消費者行動の傾向把握などが行なえます。

音声認識

人間の音声を自動的にテキスト化することが可能で議事録作成などのテキスト化作業を効率化します。
話していた内容をデータベース化することが可能となり、テキストを自然言語処理する際のデータ作成に寄与します。