Upcoming SlideShare
ディープラーニングの最新動向
- 1. ディープラーニング の最新動向 岡野原 ⼤大輔 hillbig@preferred.jp Preferred Networks, Inc. Preferred Infrastructure, Inc. 2016/1/15@NVIDIA DeepLearningDay@
- 2. ディープラーニング（DL：DeepLearning）とは l 層が深く、幅も広いニューラルネットワークを利利⽤用した 機械学習⼿手法 l 2012年年の⼤大ブレーク以来、研究コミュニティのみならず 産業界に多く使われてきた – 2014〜～2015年年中に出された関連論論⽂文数は1500を超える* l 画像認識識、⾳音声認識識などで劇的な精度度向上を果たし、その 多くが既に実⽤用化されている 2 2014年の一般画像認識コンテストで優勝した 22層からなるNNの例 [Google] *http://memkite.com/deep-‐‑‒learning-‐‑‒bibliography/ 2015年の一般画像認識コンテストで優勝した 152層からなるNNの例 [MSRA]
- 3. なぜ機械学習が実世界で使えるようになったのか l Internet of Thingsの到来 – センサとコンピューテーションとアクチュエーターがつながる l モバイル機器の性能向上 – モバイルでもTflops級の計算リソースが利利⽤用可能に – デバイス上で深層学習の⼤大部分が実現可能 l 低価格ハイスループットセンサの登場 – 映像カメラ 数千円以下に、2020年年台の⾞車車は10個以上のカメラを搭載 – ゲノムシーケンサ 1000ドルゲノム時代の到来 l アクチュエータの登場 – ⾃自動運転⾞車車、ロボット、ドローン l 機械学習の研究⾃自体の進化 3 NVIDIA DrivePX Velodyne Lidar １秒間で周囲数百mの 数百万点の測距
- 4. 開発⼿手法の⼤大きな変⾰革 l ハードウェアで実現 – 綿密な要求定義・設計・テスト – 市場に出てからの機能修正・変更更は困難 – 試⾏行行錯誤のコストは⼤大きい l ソフトウェアで実現 – アジャイルに開発可能 – 市場にでてからの機能修正・変更更は容易易 – （優秀な）プログラマがボトルネック l 機械学習/深層学習で実現 – 実現したい機能は機械が獲得する – データさえ集められれば瞬時に実現 – 市場に出た後も勝⼿手に進化し続ける 4 開発期間 1〜3ケ月 1〜3日 1〜3年
- 5. Chainer : 深層学習フレームワーク ü Pythonプログラムで⾃自由にネットワーク記述可能 ü 最新の深層学習の様々なアルゴリズムをネイティブにサポート ü データごとにオンデマンドでのネットワーク構築が可能 ü マルチGPU対応(Model Parallel / Data Parallel) ü 2015年年6⽉月の公開以降降，産業界，研究界で広く使われている 5
- 6. l 今回は深層学習の最新の研究成果を紹介する – 空間認識識＋強化学習によるロボットの⾃自動制御 – セグメンテーションによる駐⾞車車場認識識 – 機器の異異常検知 – 画像の⾃自動⽣生成 6
- 7. 駐⾞車車場の検出 (Panasonicとの共同研究) 7 l ⽊木漏漏れ⽇日がありだけでなく、境界に⽩白線はない l 従来⼿手法では困難であった – ⾚赤：駐⾞車車場内 緑：駐⾞車車場枠
- 8. センサからの異異常検知 8 異異常な部分を抽出する ディープラーニング技術 異異常は発⾒見見されない 異異常を検出 正常時の波形 異異常時の波形 実際の減速機から得られた センサデータ
- 9. 9 既存⼿手法で検出が遅かった異異常を事前に検出 提案⼿手法 経過時間 異異常スコア 故障の約40⽇日前に アラームで通知 判定閾値 既存⼿手法 経過時間 判定閾値 故障直前で通知 ロボット 故障 ロボット 故障 15⽇日前
- 10. 画像の⾃自動⽣生成 l Chainer-‐‑‒goph https://github.com/mattya/chainer-‐‑‒gogh l 深層学習は 画像も⽣生成できる l 左の画像からスタイル だけを抽出し、ネコの 画像を⽣生成 10
- 11. chainer-‐‑‒DCGAN 学習30分後 画像を1から⽣生成するNN https://github.com/mattya/chainer-‐‑‒DCGAN 11
- 12. 学習2時間後 12
- 13. 学習1⽇日後 13
- 14. まとめ l 深層学習は急速に応⽤用範囲が広がっている – 認識識 u 従来の画像分類，⾳音声認識識+画素単位のセグメンテーション 3D復復元，意味理理解 – 制御 u ⾃自動⾞車車，ロボット，ドローンの強化学習ベースの制御 – 異異常検知 u 特徴設計を必要しない，任意のセンサを組み合わせられる，⾼高検出率率率 – ⽣生成 u 画像、⾳音声、設計図の⽣生成 l 今回のデモは全て半年年内で実現されている – 深層学習の研究，開発はますます加速している 14
Be the first to comment