「ビジネス実装を前提としたAI開発」を提供するALBERTで解決できる画像認識課題のうち、画像分類の一例をご紹介します。
画像分類とは、画像の主要な被写体や状態(キズや凹みなど)を識別し分類することです。
製品の製造・検査工程やECサイトの画像検索など幅広い産業で応用されています。
ALBERTでは、お客様の画像認識における複雑な課題に対し、
AI・画像認識サービス「タクミノメ」をはじめ、様々なソリューションを提供しています。
収集した画像を用いた機械学習について、PoC(概念実証)や精度向上などお気軽にご相談ください。
従来行っていた、膨大な商品データを手動でカテゴリに分類し、それに関連する検索用のタグを付与する作業について、自動で分類しタグを付与するアルゴリズムを構築。これにより、人的作業の効率化やコスト削減、誤ったタグが付与されるヒューマンエラーの解消を実現。
アノテーションラベル付きデータが少量の場合に、半教師あり学習(Semi-Supervised Learning)を活用し、不良種別毎に分類する画像分類モデルを構築。教師ラべルが付与されてる少量のラベル有りデータと、多数のラベル無しデータを用いてうまく学習を進めていくことで、ラベル付けコストを抑え、生産初期からAI活用した歩留まり改善を実現。
画像検査装置の過検出画像を目視判定から自動化へ。既存の画像検査装置が不良判定した画像を、不良種類によって細分化(多値分類)する他、過検出された疑似不良画像を分類するモデル(AI)を構築。過検出を自動検知することで歩留まりを改善。
スマートフォン等のカメラで撮影した動物の皮膚の画像に対し、診断候補となる皮膚病名を確率的に判定する仕組みを構築。同じ病名ごと・同じ個体ごとでそれぞれ学習することで判定精度が向上。これにより、医師の診察業務の効率化や、飼い主が撮影した患畜の画像を獣医師に送信して判断を仰ぐなどの遠隔対応を実現。
従来では専門家が手動で行っていた細胞の分類について、アルゴリズムを構築し自動で判別。また、細胞名ラベルを付与したデータを用いて学習させ、分類正解率を確認してアルゴリズムをチュー二ング。新たな画像を追加することで自動的に再学習し精度を向上させるシステムを開発し、作業効率の向上を実現。