ソニーのディープラーニングツールで簡単エッジコンピューティング

Copyright © LABBIZ Inc. All Rights Reserved. 1
ソニーのディープラーニングツールで
簡単エッジコンピューティング
神谷亮平
2017.11.25
第18回 Machine Learning 15minutes!

• 自己紹介
• Neural Network Console
• エッジコンピューティング
• 顔認識IoTシステム
• デモ
発表内容

自己紹介
▼開発経験
・アルゴリズム/ライブラリ開発（C / C++、Python）
・組み込みソフトウェア開発（C）
・WEBアプリケーション開発（Java、 PHP 、JavaScript、 Python、Go）
・Windowsデスクトップアプリケーション開発（C#）
株式会社LABBIZ 代表取締役
ソフトウェアエンジニア
「 THE STAGE .tech 」を企画・運営
▼略歴
時計メーカー研究開発職 ⇒ データ分析会社新規事業開発職
⇒ IoTスタートアップ研究開発職 ⇒ 創業
神谷亮平
▼その他
AI Code Hackers（人工知能のコードをハックする会）主催者

人工知能のコードを読んでハックして遊ぶ！
目的
• 人工知能(パターン認識/機械学習)のソースコードの解読方法を学び、共有する
• プログラムの改良や新しい応用を検討する
• 知的好奇心/探究心を追求して楽しむ
題材
• ソニーのNeural Network Libraries / Neural Network Console

Neural Network Console

• Neural Network Consoleとは？
• Sonyのニューラルネットワーク設計・学習・評価ツール
• Windows版とクラウド版がある
• 特徴
• Neural Network Libraries(C++ / python)を使用
• ドラッグ＆ドロップでニューラルネットワークを設計
• パラメータを自動で探索
• ニューラルネットワークを学習・評価可能
• 学習・評価の履歴を管理
Neural Network Console

Neural Network Console – 使い方
▼設計
▼学習
▼評価
とにかく簡単！

コードも出力できる
pythonコード
出力

エッジコンピューティング

IoTの課題
クラウドネットワーク
センシング
デバイス群
大量のデータのやりとり
【課題】
・通信データ量が大量
=> 通信コストの増大
=> ストレージコストの増大
=> IoT機器の処理遅延（クラウド側の処理待ち）

エッジコンピューティング
クラウドネットワーク
センシング
デバイス群
少量のデータのやりとり
エッジ
デバイス
【特徴】
・エッジデバイス上の処理で通信データ量を削減
=> 通信コスト低減
=> ストレージコスト低減
=> IoT機器の処理スピードUP

• センサデータ取得（動画像/音声/振動/温度/湿度/電流/電圧/……）
• センサデータ加工（フィルタリング/特徴量生成/統計量計算/……）
• 判定・推論（パターン認識/異常検知/障害予測/……）
• アクション（データ通信/アクチュエータ制御/……）
エッジデバイス上の処理
ここに機械学習

• Neural Network Librariesのエッジデバイス（組み込み機器）に
優しい特徴
• C++のみで推論実行可能。Pythonが使えない環境でも使える。
• 開発を楽にする特徴
• C++のプログラムからNeural Network Consoleで学習したモデルを読み込み可能。
• 応用例
Neural Network Libraries on the Edge
犬型ロボット
aibo※３
スマートイヤホン
Xperia Ear※２
デジタルペーパー
DPT-RP1※１
▼画像引用元
※１．http://www.sony.jp/digital-paper/products/DPT-RP1/
※２．http://www.sonymobile.co.jp/product/smartproducts/xea10/
※３．https://www.sony.co.jp/SonyInfo/News/Press/201711/17-105/

Neural Network Consoleと
Raspberry Pi3 と AWS IoT で
顔認識IoT

• システム構成
• Raspberry Pi3 + USBカメラ
• Neural Network Consoleで学習した顔認識モデル
• Neural Network Librariesを使うC++プログラム
• AWS IoT
顔認識IoTシステム概要
Kamiya AWS IoT E-mail通知
Kamiyaを認識したらEmailで通知する
Kamiya Recognizer
Raspberry Pi3

• データセット
• 10人の顔画像（正面画像）
• 学習用は1人あたり10枚
• バリデーション用は1人あたり4枚
• 顔検出にはOpenCVのHaar Cascadesを使用
• 各画像の縦横サイズは150px×150px
• 各画像のチャンネル数は1（グレー画像）
• 学習するモデル
• Convolution層が6層のNeural Network
顔認識モデル

Neural Network Consoleで学習
学習ボタンを押して学習開始
学習結果画面

ネットワーク構造自動探索
自動探索機能ON
探索結果画面
（Trade-off Graph)
探索方式・目的関数設定
Global Config画面

• クラウド版
• 学習を実行した後、TRAININGタブの左カラムの学習結果を右クリックし、
「Download」を選択する。
• result.nnpというファイルがダウンロードされる。
• Windows版
• 学習を実行した後、TRAININGタブの左カラムの学習結果を右クリックし、
「Open Result Location」を選択する。
• 学習結果ファイルの保存先フォルダが開く。
• net.nntxtとparameters.h5をzip圧縮して拡張子を.nnpに変更すると、result.nnp
を作成できる。
学習結果ファイル

実演ムービー
◇Kamiya Recognizer◇
神谷の顔を認識したらメールで通知するシステム。
顔認識用モデルとプログラムをRaspberry Pi3に搭載。
顔認識モデルはNeural Network Consoleで作成。
プログラムにはNeural Network LibrariesとOpenCVとAWS IoT SDKを使用。

• Neural Network ConsoleはGUI操作で簡単に
ニューラルネットワークを設計・評価できる。
• Neural Network LibrariesはC++のみで書か
れており、組み込み機器上でも動かし易い。
• IoT、エッジコンピューティングと相性が良い。
まとめ

宣伝
12月6日にソニーシティ大崎にて開催。
定員80人に対し応募者数150人超。
第2回目も開催を計画しています。
ぜひご参加ください！

ソニーのディープラーニングツールで簡単エッジコンピューティング

More Related Content

What's hot (20)

Similar to ソニーのディープラーニングツールで簡単エッジコンピューティング (20)

ソニーのディープラーニングツールで簡単エッジコンピューティング