Submit Search
Watsonと一緒 VR編
0 likes
355 views
Miho Ezawa
7/11イベント用資料
Engineering
Read more
1 of 27
Download now
Download to read offline
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
More Related Content
PDF
2021 Watson Update & Watson Discovery
Miho Ezawa
PDF
助けてWatson!Assistantで家庭内業務を効率化
Miho Ezawa
PDF
AIはおいしいホルモン焼きを食べるか?
Miho Ezawa
PPTX
Ai の最新動向と今熱い chat bot による業務効率化
Katsuhiro Aizawa
PPTX
今日からはじめようAWS IoT
Toshiaki Enami
PDF
MISO20200530
陽平 山口
PDF
IoT 導入を簡単に実現する“つなぐ”技術 ~デンソーウェーブの IoT製品と Microsoft Azure 連携~
IoTビジネス共創ラボ
PDF
IoTビジネス共創ラボ 第15回勉強会 オープニング
IoTビジネス共創ラボ
2021 Watson Update & Watson Discovery
Miho Ezawa
助けてWatson!Assistantで家庭内業務を効率化
Miho Ezawa
AIはおいしいホルモン焼きを食べるか?
Miho Ezawa
Ai の最新動向と今熱い chat bot による業務効率化
Katsuhiro Aizawa
今日からはじめようAWS IoT
Toshiaki Enami
MISO20200530
陽平 山口
IoT 導入を簡単に実現する“つなぐ”技術 ~デンソーウェーブの IoT製品と Microsoft Azure 連携~
IoTビジネス共創ラボ
IoTビジネス共創ラボ 第15回勉強会 オープニング
IoTビジネス共創ラボ
Similar to Watsonと一緒 VR編
(20)
PPTX
クラウド x IoT実践事例のご紹介
masaoki_ohashi
PDF
老舗メーカーに反復型開発を導入してみました 中原慶
Kei Nakahara
PDF
フルマネージドサービスの活用とIoTシステムのオペレーション
Satoshi Nakada
PDF
ITフォーラム2025 先端IT活用推進コミュニティ セッション3:空気を読む家スタジオの取り組み
aitc_jp
PPTX
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
Daiyu Hatakeyama
PPTX
SWTT2017 - Lightningアプリケーション開発現場で実践しているノウハウ
寛 吉田
PPTX
【第20回】オープニング
IoTビジネス共創ラボ
PDF
05.日本マイクロソフト(株)_発表資料
wagatuma
PPTX
kintone hive vol.3 大阪
R3 institute
PDF
IoTビジネス共創ラボ 第16回オンライン勉強会 オープニング
IoTビジネス共創ラボ
PPTX
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
Daisuke Masubuchi
PDF
Introducing IBM Cloud & Cognitive
Atsumori Sasaki
PDF
オープニング
IoTビジネス共創ラボ
PDF
第三回北海道ワトソン勉強会 Watson + IoT 丼
K Kimura
PDF
基調講演「データのグループウェア化」
Cybozucommunity
PDF
IoT ビジネス共創ラボの趣旨説明、地方共創ラボ紹介_IoTビジネス共創ラボ 第10回 勉強会
IoTビジネス共創ラボ
PDF
クラウド事業者に求めるビジネス要件
雄哉 吉田
PDF
AIとの付き合い方
Deep Learning Lab(ディープラーニング・ラボ)
PDF
クラウドEXPO 2011春資料 20110418
知礼 八子
PPTX
クラウドが変えるwebの世界
Satoshi Ishikawa
クラウド x IoT実践事例のご紹介
masaoki_ohashi
老舗メーカーに反復型開発を導入してみました 中原慶
Kei Nakahara
フルマネージドサービスの活用とIoTシステムのオペレーション
Satoshi Nakada
ITフォーラム2025 先端IT活用推進コミュニティ セッション3:空気を読む家スタジオの取り組み
aitc_jp
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
Daiyu Hatakeyama
SWTT2017 - Lightningアプリケーション開発現場で実践しているノウハウ
寛 吉田
【第20回】オープニング
IoTビジネス共創ラボ
05.日本マイクロソフト(株)_発表資料
wagatuma
kintone hive vol.3 大阪
R3 institute
IoTビジネス共創ラボ 第16回オンライン勉強会 オープニング
IoTビジネス共創ラボ
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
Daisuke Masubuchi
Introducing IBM Cloud & Cognitive
Atsumori Sasaki
オープニング
IoTビジネス共創ラボ
第三回北海道ワトソン勉強会 Watson + IoT 丼
K Kimura
基調講演「データのグループウェア化」
Cybozucommunity
IoT ビジネス共創ラボの趣旨説明、地方共創ラボ紹介_IoTビジネス共創ラボ 第10回 勉強会
IoTビジネス共創ラボ
クラウド事業者に求めるビジネス要件
雄哉 吉田
AIとの付き合い方
Deep Learning Lab(ディープラーニング・ラボ)
クラウドEXPO 2011春資料 20110418
知礼 八子
クラウドが変えるwebの世界
Satoshi Ishikawa
Ad
Watsonと一緒 VR編
1.
Watsonと一緒 VR編 2 0 1
9 / 0 7 / 1 1 江 澤 美 保 @ ク レ ス コ
2.
2 これから話す人 Watsonハッカソン アイディア賞 水曜ワトソンカフェ運営 SIerIoTLT女子部 登壇 小学生向け ロボット教室 株式会社クレスコ 先端技術事業 スマートテクノロジーオフィス AIサービスエバンジェリスト
江澤 美保 .NET系 テクノロジ 企業向け Web製品開発 事務管理の 海外移管 決済サービス フィールドSE 技術研究所 公募一期生 企業との共同 研究プロセス AI・ロボット 専門営業 IBM Watson 企業導入 2009年~ エンジニア~2009年 エンジニア 2013年~ エンジニア 2014年~ 技術営業 AIコンサル AIエンジニア 2019年 IBM Champion 2018年~ 技術営業
3.
翔泳社から Watsonの本が出ました❤
4.
今日お話しすること 1. Watsonの画像認識機能 Visual Recognition
概要 2. Visual Recognitionのカスタムモデルで 娘と仲良くなった話
5.
Visual Recognition Wa t s
o n の 画 像 認 識 サ ー ビ ス
6.
Visual Recognitionとは? AI Assistant
照会応答系 Watson Assistant 様々なチャネルでのAIアシスタントを作成 Discovery 知識探索系 Discovery 大量データの検索、適切な意思決定を支援 Natural Language Understanding 自然言語でのテキスト分析、概念、 エンティティ、キーワードのメタデータ抽出 Knowledge Studio 業界・分野ごとの言葉をWatsonに学習させる Vision 画像系 Visual Recognition 画像に写った物体・情景・顔などを分析・認識 Speech 音声系 Speech toText 音声認識、音声からテキストを書き起こし Text to Speech 音声合成、テキストから自然な音声を合成 Language 言語系 LanguageTranslator テキストを別の言語にリアルタイムで翻訳 Natural Language Classifier 自然言語の意図を解釈し、関連度合いを 信頼度レベル付けして分類 Empathy 心理系 Personality Insights 性格分析、テキストから筆者のパーソナリティ (ビッグ・ファイブ,価値,ニーズ)の3つの特徴を推測 Tone Analyzer 感情分析、テキストに表れるトーンや感情を分析 データ分析系/AIライフサイクル管理系
7.
Visual Recognitionとは? 画像認識のWatson API。一般物体認識、顔認識などすぐに使える学習済モ デルを持つ。独自の画像を学習させてオリジナルの分類を行うことも! 認識したクラス
スコア 一般的分類モデル (IBM学習済) VR
8.
何を識別できるのか? 一般 物体 認識 顔認識 食物 認識 不適切 認識 文字 認識 (pβ) カス タム カス タム 物体検出 (pβ)
9.
顔認識だとこんな感じ Age:38 gender:female Age:29 gender:male Age:40 gender:male Azure
10.
利用事例 •ブランド品の真贋判定(大黒屋) •タイヤの摩耗診断(オートバックス) •不動産設備の修理受付(ザイマックス)
11.
Visual Recognitionの カスタムモデルで 娘と仲良くなった話 Wa t s
o n の 画 像 認 識 サ ー ビ ス
12.
うちの娘はバレエが大好き
13.
バレエわかりたい!でも…… •大きな問題が
14.
WATSON,HELP ME!!!! バレエキャラクターを 見分けられたら娘との 会話もはずむのでは? 出番だWatson Visual Recognition!!
15.
Challenge Visual Recognition General(一般物体識別モデル)でチャレンジしてみると……? 認識したクラス
スコア 一般的分類モデル (IBM学習済) VR
16.
What is Visual
Recognition 画像認識のWatson API。一般物体認識、顔認識など学習済モデルあり。 独自の画像を学習させてオリジナルの分類を行うことも! 認識したクラス スコア 一般的分類モデル (IBM学習済) VR
17.
カスタムモデルとは? 独自の画像を学習させてオリジナル画像認識を行うのが、カスタムモデル 車 カスタムモデル 自動車 トラック バス 電車 ロケット 飛行機 肯定的(positive) 否定的的(negative)
18.
学習データ zip zip 分 類 し た い ク ラ ス VR投入ファイル 最小 推奨 備考 画像サイズ
32×32ピクセル 224×224ピクセル 学習枚数/クラス 10枚 150~200枚 各クラス枚数を揃えると良し バリエーション(※)を持たせる 含めるクラス 肯定的のみ 肯定的・否定的 否定的クラスで誤認識を防ぐ VR ※バリエーションのポイント 照明 アングル フォーカス 色 形状 被写体との距離 画像内の他の物体の有無 トレーニング・データ トレーニング・データ
19.
トレーニング・データに関する推奨事項 カスタム分類器の精度を最大限に向上させるためのコツ ⚫ トレーニングの際は、少なくとも 150
個の肯定的な例と否定的な例を使用すること。 ⚫ サンプル・セットごとに含める画像に、最大限のバリエーションを持たせること。 ⚫ 肯定的な例と否定的な例との間でのバリエーションはなるべく少なくすること。 ⚫ 一致条件が画像のほんの一部だけを表す場合、画像をトリミングすること。 ⚫ 自動変換を適用して画像の変形を作成し、トレーニング・データ・セットを増やすと いう方法を検討すること。 https://www.ibm.com/developerworks/jp/cognitive/library/cc-build-with-watson-tips-best-practices-custom-classifiers-visual-recognition/index.html トレーニング・データ
20.
カスタムモデルを作ろう 1.分類対象決定 2.学習データ収集 3.学習実施
21.
分類対象を決めよう 1.分類対象決定 2.学習データ収集 3.学習実施 何を見分けたいの?良く見せてくる動画 や写真の演目! 大体衣装とポーズと 背景でわかるよ! わからん!似てる!
22.
トレーニング・データを集めよう 1.分類対象決定 2.データ収集 3.学習実施 どの写真が何の演目か わかないでござる
データを集めることも ままならないのか……
23.
いざ、トレーニング! フロリナ王女 クラス名:bluebird オーロラ姫 クラス名:aurora 金平糖の精 クラス名:dragee 否定クラス
24.
よし、テスト! フロリナ王女金平糖の精 オーロラ姫 よく でき ました よく でき ました よく でき ました ㊙ ㊙
㊙
25.
カスタムモデルのポイント 1.分類対象決定 2.学習データ収集 3.学習実施 分類対象の 絞り込みが大切 有識者との 連携が重要 分類対象の 絞り込みが大切 有識者との 連携が重要 精度検証と 精度向上!
26.
最大の成果 よく でき ました ママ けっこう すごいじゃん!
27.
THANK YOU❤ Watsonと一緒 VR編
Download