ai技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/sist_kudo_20190926.pdf ·...
TRANSCRIPT
![Page 1: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/1.jpg)
AI技術を活用した在庫推定の研究 1
AI技術を活用した在庫推定の研究AI技術を活用した在庫推定の研究
工藤 司
2019年9月26日
静岡理工科大学
情報学部 情報デザイン学科
金型技術研究会・先端精密技術研究会
技術講演
![Page 2: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/2.jpg)
AI技術を活用した在庫推定の研究 2
研究の背景
◼ 課題: バラ積み部品の在庫を推定したい.
➢ 画像から深層学習(人工知能)を活用して自動カウント
◼ 課題: バラ積み部品の在庫を推定したい.
➢ 画像から深層学習(人工知能)を活用して自動カウント
2019/9/26
![Page 3: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/3.jpg)
AI技術を活用した在庫推定の研究 3
深層学習とは
◼ 従来方式:人間が指定した特徴を抽出
◼ 深層学習:抽出したい特徴を自動的に識別し抽出
推定結果
:40個
推定結果
:40個
2019/9/26
![Page 4: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/4.jpg)
AI技術を活用した在庫推定の研究 4
深層学習の普及
◼ ILSVRC(大規模画像認識の競技会)での成果 [1]
◼ 大量の訓練データが収集可能 (ビッグデータの活用)
◼ ILSVRC(大規模画像認識の競技会)での成果 [1]
◼ 大量の訓練データが収集可能 (ビッグデータの活用)
従来方式 深層学習
◼ 様々な分野へ応用
✓ 碁,将棋
✓ 機械翻訳
✓ 顔認証
・・・・・
◼ 様々な分野へ応用
✓ 碁,将棋
✓ 機械翻訳
✓ 顔認証
・・・・・
2019/9/26
人間の誤差率
5.1%
![Page 5: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/5.jpg)
AI技術を活用した在庫推定の研究
本研究における実験対象の事例
52019/9/26
◼ モデル: 深層学習の回帰モデル [2] を使用
➢ 回帰モデル: 連続した値として推定する
➢ 実験対象: 5, 10, 15, … , 80個のナット
◼ モデル: 深層学習の回帰モデル [2] を使用
➢ 回帰モデル: 連続した値として推定する
➢ 実験対象: 5, 10, 15, … , 80個のナット
◼ 人間の視覚では,重なったものを数えられない
![Page 6: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/6.jpg)
AI技術を活用した在庫推定の研究
本研究におけるモデルの構成
62019/9/26
畳み込み層:画像の特徴を抽出 全結合層:
全体を調整
◼ 出力(Output)が正解に近くなるよう,繰り返し学習
![Page 7: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/7.jpg)
AI技術を活用した在庫推定の研究 7
推定精度の評価結果
◼ 概ね,誤差±5以内にできることを確認件数
Err.
誤差
2019/9/26
![Page 8: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/8.jpg)
2019/9/26 AI技術を活用した在庫推定の研究 8
在庫管理への応用
◼ 在庫管理自動化の要件
1. 安全在庫に誤差分を上乗せ
2. 理論在庫と相反する場合には,人間の介入を要請
![Page 9: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/9.jpg)
AI技術を活用した在庫推定の研究 9
深層学習用画像データの撮影風景
2019/9/26
![Page 10: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/10.jpg)
AI技術を活用した在庫推定の研究 10
深層学習用画像データの撮影風景
◼課題: 学習のために多くの訓練データが必要
➢ 今回: 各々 1,600枚を撮影,8000枚に変換
✓ 実際の工場における部品では困難
◼ 対策: 訓練データをコンピュータグラフィック
(CG)で作成
◼課題: 学習のために多くの訓練データが必要
➢ 今回: 各々 1,600枚を撮影,8000枚に変換
✓ 実際の工場における部品では困難
◼ 対策: 訓練データをコンピュータグラフィック
(CG)で作成
2019/9/26
![Page 11: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/11.jpg)
AI技術を活用した在庫推定の研究 11
CGを活用した学習データの作成
1. 対象をランダムに配置,物理シミュレーションで位置決定
2. これをプログラムで自動実行
落下後の最終状態
2019/9/26
![Page 12: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/12.jpg)
AI技術を活用した在庫推定の研究
CGによる画像の事例
122019/9/26
◼ 材質,明るさの調整は非常に困難
ナットの写真 CG画像
![Page 13: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/13.jpg)
AI技術を活用した在庫推定の研究 13
CG画像による実験結果
◼ 精度は大幅に劣化した件数
誤差
2019/9/26
![Page 14: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/14.jpg)
AI技術を活用した在庫推定の研究
原因の分析
142019/9/26
(1) CG 画像 (2) ナットの写真
◼ 彩度 と 明度 のヒストグラム比較
◼ HSV色空間(色相,彩度,明度)で比較
➢ 彩度 と 明度 に相違
![Page 15: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/15.jpg)
2019/9/26 AI技術を活用した在庫推定の研究
Cycle-GAN [3]
15
◼ 敵対的生成ネットワーク(Generative Adversarial Network,GAN) [2] の1種で,2017年に提案された.
✓ GAN:生成者と判別者が相互学習して偽物を作成
◼ ある画像から別の種類の偽画像を生成
Cycle-GANによる,シマウマから馬への変換事例
![Page 16: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/16.jpg)
◼ 生成者 (G,F) と判別者 (DY) が相互に学習
◼ 損失(誤差)関数:
◼ DY : オリジナル(y)と生成(y)された馬の誤差
◼ CcL:オリジナル(x)と再生成(x)されたシマウマの誤差
2019/9/26 AI技術を活用した在庫推定の研究
Cycle-GAN モデルの構成
16
^^
![Page 17: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/17.jpg)
AI技術を活用した在庫推定の研究
Cycle-GAN モデルによる変換結果
172019/9/26
(1) 写真 から変換された 偽CG画像
(2) CG画像 とその変換画像
画像サイズ:
128×128
![Page 18: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/18.jpg)
AI技術を活用した在庫推定の研究
推定精度の評価結果
182019/9/26
偽CG画像CG画像 写真
平均自乗誤差(損失関数)
◼ Cycle-GAN の応用により推定精度の向上が可能
![Page 19: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/19.jpg)
AI技術を活用した在庫推定の研究
誤差分布の評価
192019/9/26
Rate(%)
Rate(%)Rate(%)
偽CG画像CG画像 (ゴール)
写真
◼ 誤差分布もまた改善可能
![Page 20: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/20.jpg)
2019/9/26 AI技術を活用した在庫推定の研究
工場における在庫管理への応用
20
◼ 現場の環境(明るさ)は変化するので,写真を変換◼ 現場の環境(明るさ)は変化するので,写真を変換
![Page 21: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/21.jpg)
AI技術を活用した在庫推定の研究
まとめ
212019/9/26
◼ 以下の研究事例を紹介
➢ 深層学習を,バラ積み部品の在庫推定に応用
➢ 深層学習の訓練データをCGで作成する方法
➢ Cycle-GANを,写真とCG画像の整合化に応用
◼ 深層学習の応用が可能な分野があれば,
ご相談いただければ幸いです.
![Page 22: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/22.jpg)
AI技術を活用した在庫推定の研究
関連資料・参考文献
222019/9/26
[A] 【本資料】 工藤司:AI技術を活用した在庫推定の研究,金型技術研究会・先端精密技術研究会 技術講演 (2019),検索: 「工藤研究室ホームページ」-「工藤教授プロフィール」-「口頭発表・講演・総説」
http://www.sist.ac.jp/~kudo/research/SIST_Kudo_20190926.pdf
[B] 【関連資料】 工藤司:AI が人を「さがしもの」から解放する日がやってくる!?,静岡大学 オープンキャンパス2018 模擬講義 (2018,2019改訂).検索: 「工藤研究室ホームページ」-「研究内容」-「工藤研究室紹介資料」
http://www.sist.ac.jp/~kudo/research/SIST_OC_lecture_20180819.pdf
[1] M. VERHELST, B. MOONS: Embedded Deep Neural Network Processing: Algorithmic and Processor Techniques Bring Deep Learning to IoT and Edge Devices, IEEE Solid-State Circuits Magazine, Vol. 9, No. 4, pp. 55-65 (2017).
[2] Chollet, F.(著),巣籠悠輔, 他(訳),PythonとKerasによるディープラーニング,クイープ (2018)
[3] Zhu, J. Y., Park, T., Isola, P. and Efros, A. A.: Unpaired image-to-image translation using cycle-consistent adversarial networks, Proc. IEEE Int. Conf. on computer vision, pp. 2223—2232 (2017).
![Page 23: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/23.jpg)
AI技術を活用した在庫推定の研究
謝辞
232019/9/26
本研究はJSPS科研費19K11985,および東海産業技術振
興財団の助成を受けたものです.
![Page 24: AI技術を活用した在庫推定の研究 - sist.ac.jpkudo/research/SIST_Kudo_20190926.pdf · 本研究における実験対象の事例 2019/9/26 5 モデル:深層学習の回帰モデル[2]](https://reader033.vdocuments.pub/reader033/viewer/2022041522/5e2f1d0548871514623e9acd/html5/thumbnails/24.jpg)
AI技術を活用した在庫推定の研究 24
静岡理工科大学
総合情報学部 情報デザイン学科
工藤 司
ご静聴ありがとうございました。
AI技術を活用した在庫推定の研究