ページの本文へ

Hitachi

[イメージ][イメージ]マルチモーダル深層学習基盤

[イメージ]大量の画像や映像データを扱う業務において、このような課題はありませんか？

人手による検索に労力がかかる。

大量の画像データから必要な画像を検索するために、時間と労力がかかってしまっている。また、検索する人の習熟度によって、検索精度にばらつきがある。

業務のシステム化ができていない。

画像の検索や仕分けを行う業務へのシステム適用を検討しているが、検討や導入に時間がかかるため、業務のシステム化ができていない。

[イメージ]マルチモーダル※深層学習基盤の導入によって、人手に依存した業務の効率化と省力化を実現します。

[イメージ]特長

【特長1】業務に適した画像認識技術を適用可能

類似する画像の検索、特定の条件での画像の分類、特定のオブジェクトの検出といった多様な画像認識技術を活用してお客さまの業務を効率化できます。

【特長2】短期間で導入や活用が可能

お客さまの業務環境と連携できるAPIや、操作しやすいGUIを備え、AI専門の技術者がいなくても、画像認識技術を短期間で導入・活用できます。

【特長3】お客さまのニーズにあった高精度な機能を提供

お客さまの業務内容やニーズに応じた学習データをAIに学習させられるため、業務に最適化された高精度な画像認識機能を利用できます。

※
「マルチモーダル」には複数の形式や、複数の手段による、という意味があります。テキストデータなど、画像データ以外の情報も組み合わせて深層学習を実施することで、高精度な画像認識を実現します。

[イメージ]活用例1 特定の人物や物体のリアルタイムな自動検出（オブジェクト検索）

課題

防犯カメラなどで撮影・記録した膨大な映像データの監視・確認に多くの時間と人手がかかっている。また、監視の対象は特定の車両や人物だけでなく多岐にわたるため、担当者の負担が大きい。

効果

映像データから特定の車両や人物を効率的に検出できます。さらに、追加学習によって特定の動物、機器、製品などのさまざまな対象を自動で検出することで、リアルタイムにカウントや通知ができます。これにより、目視での確認業務を大幅に省力化できます。

[イメージ]活用例1のイメージ図

[イメージ]活用例2　製品検査・メンテナンスの効率化（画像分類）

課題

インフラの定期点検や、製品の品質検査では、大量の画像を確認する必要があり、多くの時間と人手がかかっている。また、異常や不良のパターンが膨大にあり、自動化が進まない。

効果

異常状態を含む画像を学習したAIに撮影した写真を取り込むだけで、補修が必要な機材の特定や、不良品の検出が自動化できます。また、多様なパターンを学習させることで、用途に応じたAIを容易に構築できるため、幅広い業務で点検や検査の効率化と手作業によるミスの低減が期待できます。

[イメージ]活用例2のイメージ図

[イメージ]活用例3　画像の高速検索およびナレッジ活用（類似画像検索）

課題

大量の文書内の画像を検索する業務や、長期間にわたって撮影された画像を調査する業務では、人手により画像を一つひとつ調査する必要があり、多くの時間と労力がかかっている。

効果

特定の画像に類似した画像を、高速かつ高精度に検索し、一致した度合い順に並び替えて表示することで、関連画像やそれを含む文書を効率よく調査できます。これにより、社内に蓄積された画像資産を再整理できるため、ナレッジとしての有効活用にも寄与します。

[イメージ]活用例3のイメージ図

マルチモーダル深層学習基盤に関するお問い合わせを受け付けております

お問い合わせ ⇢

製品の詳細・見積などお気軽にお問い合わせください。