画像認識AI学習・検証ソリューション（BENZaiTEN）

AI画像認識における推定アルゴリズムの精度は、どのような教師データを、どの程度用意するか、によって左右されます。しかし、実際には発生頻度が極端に少なかったり、実際に再現することが難しかったり、著作権、所有権、肖像権などの権利による制限、時間やコストの都合など、さまざまな制約が伴うため容易ではありません。
3DCG技術を活用することで、こうした制約を受けることなく、学習に最適化された教師画像データを効率的に作成します。学習目的や推定対象に合わせ、シーン、条件、ばらつきを設計し、アノテーション付きの学習画像を用意することが可能です。

作成した教師データを用いて、画像認識AIモデル（ディープニューラルネットワーク）を学習させ、推定アルゴリズムを構築します。
当社では、教師データの提供にとどまらず、学習済みモデルを組み込んだ画像認識システムの構築までを一貫してサポートすることが可能です。入力画像に対して複数のカテゴリの判定結果を返すことにより、学習結果を確認しながらデータセットを修正・改善し、効率的な認識精度の向上を実現します。
エッジAI（Jetson端末など）を利用したリアルタイム認識システムも構築可能です。さまざまな場所に設置した小型端末で、カメラ映像を継続的に取得し、学習済みモデルによる推定をリアルタイムに行います。
必要に応じてディスプレイにわかりやすく表示することで、工場の生産ラインや設備監視での物品の欠損・破損の検出、監視カメラでの人物認識など、現場で活用することができます。

画像認識AIの精度は、一度の学習で完成するものではありません。実際の推定結果を確認すると、「特定条件で誤認識が多い」「想定外のパターンに弱い」といった課題が見えてきます。
そこで重要になるのが、推定結果 → データ設計の見直し → 再学習というフィードバックループです。
当社では、学習画像の作成と推定アルゴリズム開発を同一環境で扱えるため、このループを高速に回すことが可能です。
これにより、要件が固まりきっていない段階からでも、試行錯誤を重ねながら効率的に品質を高めていくことができます。

• 推定結果から不足しているケースや偏りを特定
• 3DCGで必要な条件・シーンを追加生成
• データセットを更新して再学習
• 推定精度の向上を確認