AI(人工知能)モデル開発において、
以下のような課題を
お持ちではありませんか？
苦労してAIモデルを開発したが、
精度が上がらず、実用に耐えない。
AIモデルが大きく、
安価なハードウェア(エッジ端末)で
動作しない。
推論結果の出力に時間を要してしまい、
実用に耐えない。
当社の次元圧縮AIエンジンを
貴社AIモデルに組込むことで
貴社AIモデルの課題を解決し、
AIの精度向上や
AIモデルの軽量化、推論時間の短縮等を
実現します。
当社の次元圧縮AIエンジンは、
当社独自のアルゴリズムを採用し、
時系列データの中から人では
見つけられない関連性や規則性を発見し、
重要度が高いデータのみを
抽出することができます。
重要度が高いデータのみに絞り学習することで、貴社AIモデルの推論の精度を上げることが可能です。
重要度が高いデータのみに絞ることで、貴社AIモデルのサイズを圧縮することが可能となります。これにより安価なハードウェア上で動作が可能なAIモデルを構築することが可能となります※。
重要度が高いデータのみに絞ることで、貴社AIモデルの演算量を飛躍的に減少させることが可能となります。これにより実時間に近い推論が可能となります※。
※システムの規模や処理速度など諸条件によって、実現できない場合もございます。
次元圧縮AIエンジンは、時系列データを入力とする感情認識や行動解析、
異常検知など様々なAIに適用が可能です。
エッジ端末など処理能力の低いデバイスでも表情の動画（顔の時系列の画像データ）から感情を推定します
運転者の動画（運転手の時系列の運転画像データ）から姿勢を推定し、異常行動をリアルタイムに検知します。
作業者の動画（作業者の時系列の作業している様子の画像データ）から姿勢を推定し、異常行動を高精度で検知します。
処理能力の低いパソコンとカメラを用いて、保育園内の動画（保育している様子の時系列データ）から、異常行動を検知します。
作業員の動画（作業している様子の時系列データ）から、異常行動をリアルタイムに検知します。
システムの運行状況の動画(時系列データ)から、異常を高精度に検知し、事態が悪化する前に問題を予知します。
次元圧縮AIエンジンは、直接、時系列データを入力したり、
貴社AIモデルの前段AIと後段AIの間に組込むことも可能です。
複雑なパラメータ設定等は必要がなく、
AIモデル開発経験がある方であれば簡単に導入することが可能です。
運転者の動画から姿勢を推定し、異常行動をリアルタイムに検知する
次元圧縮AIエンジンは、直接、時系列データを入力したり、貴社AIモデルの前段AIと後段AIの間に組込むことも可能です。複雑なパラメータ設定等は必要がなく、AIモデル開発経験がある方であれば、簡単に導入することが可能です。
（１）TensorFlow、PyTorch、scikit-learn、Keras、Eclipse Deeplearning4j（DL4j）、dlib、MXNet、Microsoft Cognitive Toolkit、Caffe、PaddlePaddle等のフレームワーク・ライブラリが必要です。
（2）多量のデータ演算を行うため、深層学習時はGPU搭載のハードウェアでの開発をお勧めします。
ユーザー環境に合わせて次元圧縮エンジンの実行オブジェクトを作成します。パッケージには以下のものが含まれます。
実行オブジェクト
導入マニュアル
サンプルソースコード
10年以上前からAIサービスに取り組んできた富士ソフトが、その技術の粋を集めて展開するAIソリューションには、AI開発の最新ソリューションを掴むためにも最適な資料となっており、AIに取り組む皆様の道標として活用いただける資料となっております。
当社独自のアルゴリズムで構築した次元圧縮AIエンジンが、AIモデルの精度向上、ハードウェアコストの削減、推論時間の短縮に貢献いたします。
自動アノテーションと、当社独自の「学習寄与度」を活用し、学習に効果的なデータを正確に短時間で選定することができます。
