IBM User Group Conferenceでのセッション資料です。 https://iugc.connpass.com/event/176351/presentation/

1. IBM User Group Conference Track1
AIはおいしい
ホルモン焼きを食べるか？
江澤 美保＠クレスコ
2020年 6月26日（金）

2. 22
これから話す人
Watsonハッカソン
アイディア賞
水曜ワトソンカフェ運営
BMXUG・女子部 登壇
小学生向け
ロボット教室
株式会社クレスコ
クロステック事業部 クロステックオフィス
AIサービスエバンジェリスト 江澤 美保（えざわみほ）
.NET系
テクノロジ
企業向け
Web製品開発
事務管理の
海外移管
決済サービス
フィールドSE
技術研究所
公募一期生
企業との共同
研究プロセス
AI・ロボット
専門営業
IBM Watson
企業導入
2009年~ エンジニア~2009年 エンジニア 2013年~ 研究所 2014年~ 技術営業
AIコンサル
AIエンジニア
2019年～
IBM Champion
2018年~ AIコンサル

3. 33
現場で使える！ 本、出してます

4. 44
最終締め切りは7/31(金) まだ間に合うよ！
Call for Code 2020 参加しました
IBM Champion 西川さん、三木さんと
Stay Home,CheckYour Stress.
・Stay Home中のストレス状態チェック
・レベルに応じた軽減策をガイド
・データはストレス解消施策に活用
LowCode,NoCode
・Node-RED
・Watson Assistant
・Watson Discovery
・Cloud Object Strage
・Db2 on Cloud

5. 最近の
人工知能事情
人 工 知 能 を 知 ろ う

6. 66
出典：AI専門メディア「AINOW」
人工知能サービスの現在

7. 77
出典：AI専門メディア「AINOW」
2016年 2019年
人工知能サービスの現在

8. 88
Tensor
Flow
Pytorch Pandas
すぐに使えるフレームワークもたくさんある
etc…
すぐにシステムに組込めるAPIがたくさんでてきた
すぐに使えるAIサービス

9. IBM Watson
Services
す ぐ に 使 え る A I サ ー ビ ス

10. 10
画像認識・音声認識・自然言語etc
AI Assistant 照会応答系
Watson Assistant
様々なチャネルでのAIアシスタントを作成
Discovery 知識探索系
Discovery
大量データの検索、適切な意思決定を支援
Natural Language Understanding
自然言語でのテキスト分析、概念、
エンティティ、キーワードのメタデータ抽出
Knowledge Studio
業界・分野ごとの言葉をWatsonに学習させる
Vision 画像系
Visual Recognition
画像に写った物体・情景・食べ物などを分析・認識
Speech 音声系
Speech toText
音声認識、音声からテキストを書き起こし
Text to Speech
音声合成、テキストから自然な音声を合成
Language 言語系
LanguageTranslator
テキストを別の言語にリアルタイムで翻訳
Natural Language Classifier
自然言語の意図を解釈し、関連度合いを
信頼度レベル付けして分類
Empathy 心理系
Personality Insights
性格分析、テキストから筆者のパーソナリティ
(ビッグ・ファイブ,価値,ニーズ)の3つの特徴を推測
Tone Analyzer
感情分析、テキストに表れるトーンや感情を分析
データ分析系／AIライフサイクル管理系

11. 11
Visual Recognitionとは？
画像認識のWatson API。一般物体認識、食べ物認識などすぐに使える学習
済モデルを持つ。独自の画像を学習させてオリジナルの分類を行うことも！
認識したクラス スコア
一般的分類モデル
（IBM学習済）
VR

12. 12
すぐに識別できるのは？
一般
物体
認識
食物
認識
不適切
認識
カス
タム
カス
タム
物体検出
2019年9月に
文字認識、顔検出が廃止(泣)

13. 13
利用料金

14. 14
iOS・Androidアプリにも組み込める
IBM Cloud
Watson VR
測定中
よい火加減 0.881
危ない火加減 0.012
アプリに組込んで使える
ネットワーク接続不要
判定無料！！
New！

15. 15
利用事例
•ブランド品の真贋判定（大黒屋）
•タイヤの摩耗診断（オートバックス）
•不動産設備の修理受付（ザイマックス）

16. AIはおいしい
ホルモン焼き
を食べるか？
Wa t s o n の 画 像 認 識 サ ー ビ ス

17. 17
ホルモン焼きが大好き

18. 18
ホルモン焼きが大好き
いつまで焼けばいい
のかわからない
食べられるのか
食べられないのか
わからない
焼いているうちにど
うでもよくなる

19. 19
食べごろが、わかればいいのだ！
いまが
食べごろだよ！
いまだよ！
おいしいよ！
もうちょっとだけ、
焼くといいよ！
食べごろ判定できたら
確実にホルモン人口の
増加につながるモン！

20. 20
Watson,HELP ME!!!!
スマホで画像認識
ん？これはもしや……
出番だ Watson！
Visual Recognition!!

21. 21
Challenge Visual Recognition
Food(食べ物モデル)でチャレンジしてみると……？
認識したクラス スコア
食べ物分類モデル
（IBM学習済）
VR

22. 22
Challenge Visual Recognition
Food(食べ物モデル)でチャレンジしてみると……？

23. 23
What is Visual Recognition
画像認識のWatson API。一般物体認識、顔認識など学習済モデルあり。
独自の画像を学習させてオリジナルの分類を行うことも！
認識したクラス スコア
一般的分類モデル
（IBM学習済）
VR

24. 24
カスタムモデルとは？
独自の画像を学習させてオリジナル画像認識を行うのが、カスタムモデル
車
カスタムモデル
自動車
トラック
バス
電車
ロケット
飛行機
肯定的(positive) 否定的(negative)

25. 25
学習データ
zip
zip
分
類
し
た
い
ク
ラ
ス
VR投入ファイル
最小 推奨 備考
画像サイズ 32×32ピクセル 224×224ピクセル
学習枚数/クラス 10枚 150～200枚
各クラス枚数を揃えると良し
バリエーション(※)を持たせる
含めるクラス 肯定的のみ 肯定的・否定的 否定的クラスで誤認識を防ぐ
VR ※バリエーションのポイント
 照明
 アングル
 フォーカス
 色
 形状
 被写体との距離
 画像内の他の物体の有無
トレーニング・データ
トレーニング・データ

26. 26
カスタムモデルを作ろう
1.分類対象決定 2.学習データ収集 3.学習実施

27. 27
分類対象を決めよう
1.分類対象決定 2.学習データ収集 3.学習実施
ハラミやタンは
食べごろわかるから
優先度低やな
メジャーどころの
ホルモン
コブクロとギアラ、
ミノ、ホルモン！
シロコロ、マルチョウ

28. 28
LET’S CUSTOM MODEL
みんホル
カスタムモデル
マルチョウ
シロコロ
コブクロ
肯定的(positive) 否定的(negative)
ロース
カルビ
ヒレ
シャトーブリアン
※みんホル＝みんなのホルモン

29. 29
トレーニング・データを集めよう
1.分類対象決定 2.データ収集 3.学習実施
データは余裕、
めっちゃ持っとる！ データがあるだと？
見せてみろ

30. 30
トレーニング・データを……
焼く前の
写真
ばかり！

31. 31
トレーニング・データ………
目的に沿ったデータを準備する
大変さを知る今日この頃。
いつも偉そうなこと言って
申し訳ございません……

32. 32
ホルモン焼き、食べました
コプチャン
シロコロ
ホルモン
マルチョウ

33. 33
良いデータの収集って難しい
食べるのに集中してると撮り忘れる。
一人で撮る・食べる・味わう、大変。
煙で画像がボケる、熱くて手ブレ。

34. 34
オラにデータをわけてくれ！
2019/12～
がんばってデータ収集

35. 35
オラにデータをわけてくれ！
ホルモンのデータを提供してもいいよ！
という優しい皆さまから
多種多様なデータをいただきました！
でもまだ足りない。自粛で焼けない……

36. 36
本日のゴール
これからもホルモン食べます！
データのために！
AI自体はすごく身近に。
身近な課題解決にぜひ使ってみてね♪

37. 37
次のゴール
次回こそ、完成した
ホルモン判定画像認識を
披露したいと思います！