SlideShare une entreprise Scribd logo
1  sur  30
Télécharger pour lire hors ligne
機械学習と一緒に
信号機を探す旅
2021/03/03
shibui yusuke
1
自己紹介
shibui yusuke
● いろいろ → メルカリ → TierIV(いまここ)
● MLOps改めデータ検索基盤エンジニア
● もともとクラウド基盤の開発、運用。
● ここ5年くらいMLOpsで仕事。
● Github: @shibuiwilliam
● Qiita: @cvusk
● FB: yusuke.shibui
● 最近の趣味:自宅警備と環境改善
cat : 0.55
dog: 0.45
human : 0.70
gorilla : 0.30
物体検知
2
過ぎたるは及ばざるが如し
● 課題:
Work-from-homeでリアルタイムな
コミュニケーションの機会損失
● 解決策:
端末とディスプレイを増やして
コミュニケーション機会の損失防止
● 結果:
○ bluetoothがどの端末に接続しているか
わからなくなった
○ ネコがデスクに乗ると・・・
3
今日お伝えしたいこと
● 最近の自動運転
● 一般道で自動運転車が走るための機械学習のモデルとシステムとデータ
● 今日話さないこと:機械学習の論文やアルゴリズムや実装
4
自動運転の現在
5
6
2020年12月 新宿を走る
自動運転のシステム(一部)
Dynamic Object
Traffic Light
Detection Classifier
Scenario Selector
Control
Localization
Sensing Map Data Vehicle Interface
Sensors
Lane
Driving
Parking Etc.
Scenario
Planning
Perception
Detection Tracking Prediction
Mission
7
自動運転のシステム(一部)
Dynamic Object
Traffic Light
Detection Classifier
Scenario Selector
Control
Localization
Sensing Map Data Vehicle Interface
Sensors
Lane
Driving
Parking Etc.
Scenario
Planning
Perception
Detection Tracking Prediction
Mission
8
9
Ops
Dev
自動車にクラウドの開発手法を導入する
モデル
10
20m手前から信号機の位置と色を把握したい
99%正確に推論できるモデルがあるとして、
一般道で信号機を認識するにはどう使う?
11
自動運転における機械学習
● リアルタイム・並列・多段階の認識プロセスが稼働
信号機を検知し、色を判別
歩行者を検知し、
移動方向や行動を判別
道路の範囲を
セグメンテーション
20m
12
信号認識
● 地図、物体検知、画像認識、色認識の組み合わせ
信号機を検知し、色を判別
20m
物体検知
画像認識
色認識
前処理
地図
→赤!
13
システム
14
システムとして考える機械学習
推論器
インターフェイ
ス
前処理
推論
後処理
↓最低限必要
赤!
15
ソフトウェアとモデルのテスト
● ソフトウェア開発ではプログラムを通してロジックをテストする
● 機械学習ではコードを通してデータで確率をテストする
入力
正解
出力
assert
指標
推論
evaluate
YES or NO
0 ~ 1
ソフトウェア開発のテスト 機械学習のテスト
モデル
関数
関数
テスト通過率:95/100
Accuracy:99%
Precision:95%
Recall:60% 16
ソフトウェアとモデルのテスト
● ソフトウェア開発ではプログラムを通してロジックをテストする
● 機械学習ではコードを通してデータで確率をテストする
入力
正解
出力
assert
指標
推論
evaluate
YES or NO
0 ~ 1
ソフトウェア開発のテスト 機械学習のテスト
モデル
関数
関数
機械学習を実行する
コードのユニットテスト
17
結合テスト
● CIとしてコードとモデルを推論環境にインストールしてテストする
モデル
管理
レポジトリ
実行環境
● CI環境を起動
● 自動運転OSをPull
● レポジトリからコードを
checkout
● モデルをダウンロード
● プログラムのテスト
● モデルの稼働テスト
● 推論テスト
● CI終了
model
development
software
development
● (モデルのビルド)
モデルが取得・導入可能
であることを確認
ソースコードのテスト
コードからモデルを
ロードできることを検証
コードから推論を検証
+負荷テスト
+プロファイル
+脆弱性診断
+外れ値検知・・・
評価結果
18
推論環境
システムとして考える機械学習
インターフェイ
ス ログ 学習
モデル管理
レポジトリ
評価結果
推論器
前処理
推論
後処理
評価
→
機械学習で
DevOpsを
回すために必要
↓自動運転
19
CI
検索
データ
20
データ
● 巨大な非構造化データの収集と管理
一日の記録
● ログ(圧縮):100GB
● 解凍し画像に変換:1,000GB
● 画像枚数:1,000,000枚
この中から必要なデータを探す!
21
データ
22
正解率
距離
遠くても
正解する
近くても
間違える
● 全てのデータをアノテーション
することは非現実的
● 間違える可能性の高い
データを優先したいが、
データをどう探す?
天気との戦い
うおっまぶしっ
23
地図の応用
24
● 地図、物体検知、画像認識、色認識の組み合わせ
信号機を検知し、色を判別
20m
物体検知
画像認識
色認識
前処理
地図
→赤!
24
ここに
信号機が
あるはず
変化との戦い
消えた信号
25
データ検索基盤(開発中!)
インターフェイ
ス
ログ
推論器
前処理
推論
後処理
26
フロント
エンド
バッチ DB
物体検知
バック
エンド
機械学習
おわり
27
まとめ
28
● 信号機を認識するためにはデバイスサイドとクラウドサイドと実世界の
エンジニアリングが必要
● 天気、照度、カメラ、場所、時間・・・を組み合わせたエッジケースの探索
→デバイスサイドで得たビッグデータをクラウドサイドで便利にする
We are hiring!
29
● Sensing & Perceptionエンジニア
○ カメラ、LiDAR、RADARを用いたリアル
タイムなセンシング、認識の開発を行う
仕事です。
○ センシングや認識の開発だけでなく、
キャリブレーションやデータセット
作りなど、自動運転の社会実装において
必要な機能開発に幅広く関われます。
● https://herp.careers/v1/tier4/czP-r7Y5GaJV
● MLOpsエンジニア
○ 毎日テラバイト単位で増える非構造化
データを、便利に使えるようにする
仕事です。
○ クラウド、機械学習、バックエンド、
フロントエンド、デバイスまで、
フルスタックにエンジニアリングが
楽しめます。
● https://herp.careers/v1/tier4/zHA-dVY6ORa4
© 2020 Tier IV, Inc. 30
2021

Contenu connexe

Tendances

Quality of ml_system
Quality of ml_systemQuality of ml_system
Quality of ml_systemyusuke shibui
 
MLOps failure(1_108)
MLOps failure(1_108)MLOps failure(1_108)
MLOps failure(1_108)yusuke shibui
 
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_MobileTFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobileyusuke shibui
 
ML system design_pattern
ML system design_patternML system design_pattern
ML system design_patternyusuke shibui
 
Machine learning and_system_design
Machine learning and_system_designMachine learning and_system_design
Machine learning and_system_designyusuke shibui
 
Mercari Image search 1st Anniversary
Mercari Image search 1st AnniversaryMercari Image search 1st Anniversary
Mercari Image search 1st Anniversaryyusuke shibui
 
Machine learning microservice_management
Machine learning microservice_managementMachine learning microservice_management
Machine learning microservice_managementyusuke shibui
 
Devとopsをつなぐpuppet
DevとopsをつなぐpuppetDevとopsをつなぐpuppet
Devとopsをつなぐpuppetyuzorock
 
S01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistoryS01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistoryTakeshi Akutsu
 
Jupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみた
Jupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみたJupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみた
Jupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみたSatoshi Yazawa
 
Herokuの課金から逃れるための安い鯖探し
Herokuの課金から逃れるための安い鯖探しHerokuの課金から逃れるための安い鯖探し
Herokuの課金から逃れるための安い鯖探しgecko655
 
Herokuの新料金について
Herokuの新料金についてHerokuの新料金について
Herokuの新料金についてgecko655
 
Pythonで機械学習を自動化 auto sklearn
Pythonで機械学習を自動化 auto sklearnPythonで機械学習を自動化 auto sklearn
Pythonで機械学習を自動化 auto sklearnYukino Ikegami
 
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnowS10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnowTakeshi Akutsu
 
コボラーがPython始めてみた話
コボラーがPython始めてみた話コボラーがPython始めてみた話
コボラーがPython始めてみた話Yuuki Nakajima
 

Tendances (20)

Quality of ml_system
Quality of ml_systemQuality of ml_system
Quality of ml_system
 
MLOps failure(1_108)
MLOps failure(1_108)MLOps failure(1_108)
MLOps failure(1_108)
 
Ml system in_python
Ml system in_pythonMl system in_python
Ml system in_python
 
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_MobileTFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
 
ML system design_pattern
ML system design_patternML system design_pattern
ML system design_pattern
 
Machine learning and_system_design
Machine learning and_system_designMachine learning and_system_design
Machine learning and_system_design
 
Mercari Image search 1st Anniversary
Mercari Image search 1st AnniversaryMercari Image search 1st Anniversary
Mercari Image search 1st Anniversary
 
Machine learning microservice_management
Machine learning microservice_managementMachine learning microservice_management
Machine learning microservice_management
 
S08 t0 orientation
S08 t0 orientationS08 t0 orientation
S08 t0 orientation
 
Devとopsをつなぐpuppet
DevとopsをつなぐpuppetDevとopsをつなぐpuppet
Devとopsをつなぐpuppet
 
S01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistoryS01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistory
 
Jupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみた
Jupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみたJupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみた
Jupyterで手順再現!Elasticsearch構築・運用を実行可能ドキュメントで機械化してみた
 
Herokuの課金から逃れるための安い鯖探し
Herokuの課金から逃れるための安い鯖探しHerokuの課金から逃れるための安い鯖探し
Herokuの課金から逃れるための安い鯖探し
 
Herokuの新料金について
Herokuの新料金についてHerokuの新料金について
Herokuの新料金について
 
S09 t4 wrapup
S09 t4 wrapupS09 t4 wrapup
S09 t4 wrapup
 
S09 t0 orientation
S09 t0 orientationS09 t0 orientation
S09 t0 orientation
 
Pythonで機械学習を自動化 auto sklearn
Pythonで機械学習を自動化 auto sklearnPythonで機械学習を自動化 auto sklearn
Pythonで機械学習を自動化 auto sklearn
 
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnowS10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
 
コボラーがPython始めてみた話
コボラーがPython始めてみた話コボラーがPython始めてみた話
コボラーがPython始めてみた話
 
まとめ
まとめまとめ
まとめ
 

Similaire à Traffic light detection for self driving car

機械学習でテスト実行を効率化するLaunchable.pdf
機械学習でテスト実行を効率化するLaunchable.pdf機械学習でテスト実行を効率化するLaunchable.pdf
機械学習でテスト実行を効率化するLaunchable.pdfyusuke shibui
 
Reviewing_machine_learning_program.pdf
Reviewing_machine_learning_program.pdfReviewing_machine_learning_program.pdf
Reviewing_machine_learning_program.pdfyusuke shibui
 
機械学習システム構築実践ガイド
機械学習システム構築実践ガイド機械学習システム構築実践ガイド
機械学習システム構築実践ガイドyusuke shibui
 
Generative AIと検索を組み合わせた新たな体験の模索
Generative AIと検索を組み合わせた新たな体験の模索Generative AIと検索を組み合わせた新たな体験の模索
Generative AIと検索を組み合わせた新たな体験の模索yusuke shibui
 
machine_learning_failure_apocalypse.pdf
machine_learning_failure_apocalypse.pdfmachine_learning_failure_apocalypse.pdf
machine_learning_failure_apocalypse.pdfyusuke shibui
 
Creative as Software Engineering for GenAI LT
Creative as Software Engineering for GenAI LTCreative as Software Engineering for GenAI LT
Creative as Software Engineering for GenAI LTyusuke shibui
 
Hello deeplearning!
Hello deeplearning!Hello deeplearning!
Hello deeplearning!T2C_
 
IoTハンズオン・レクチャー資料
IoTハンズオン・レクチャー資料IoTハンズオン・レクチャー資料
IoTハンズオン・レクチャー資料Yoshihiro Ochi
 
Raspberry PiとGoogle Meetでお手軽ペットカメラ
Raspberry PiとGoogle Meetでお手軽ペットカメラRaspberry PiとGoogle Meetでお手軽ペットカメラ
Raspberry PiとGoogle Meetでお手軽ペットカメラKLab Inc. / Tech
 
co-meeting_meetup_vol1_利用事例紹介(newデイシス)
co-meeting_meetup_vol1_利用事例紹介(newデイシス)co-meeting_meetup_vol1_利用事例紹介(newデイシス)
co-meeting_meetup_vol1_利用事例紹介(newデイシス)Satoshi Furuichi
 
IoTとDeep Learningで自宅警備員を育ててみる
IoTとDeep Learningで自宅警備員を育ててみるIoTとDeep Learningで自宅警備員を育ててみる
IoTとDeep Learningで自宅警備員を育ててみるYasuyuki Sugai
 
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」tokyorgirls
 
リモートワークで意識すべき7つのこと
リモートワークで意識すべき7つのことリモートワークで意識すべき7つのこと
リモートワークで意識すべき7つのこと西岡 賢一郎
 
アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-
アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-
アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-nishio
 

Similaire à Traffic light detection for self driving car (15)

機械学習でテスト実行を効率化するLaunchable.pdf
機械学習でテスト実行を効率化するLaunchable.pdf機械学習でテスト実行を効率化するLaunchable.pdf
機械学習でテスト実行を効率化するLaunchable.pdf
 
Reviewing_machine_learning_program.pdf
Reviewing_machine_learning_program.pdfReviewing_machine_learning_program.pdf
Reviewing_machine_learning_program.pdf
 
機械学習システム構築実践ガイド
機械学習システム構築実践ガイド機械学習システム構築実践ガイド
機械学習システム構築実践ガイド
 
Generative AIと検索を組み合わせた新たな体験の模索
Generative AIと検索を組み合わせた新たな体験の模索Generative AIと検索を組み合わせた新たな体験の模索
Generative AIと検索を組み合わせた新たな体験の模索
 
machine_learning_failure_apocalypse.pdf
machine_learning_failure_apocalypse.pdfmachine_learning_failure_apocalypse.pdf
machine_learning_failure_apocalypse.pdf
 
Not free
Not freeNot free
Not free
 
Creative as Software Engineering for GenAI LT
Creative as Software Engineering for GenAI LTCreative as Software Engineering for GenAI LT
Creative as Software Engineering for GenAI LT
 
Hello deeplearning!
Hello deeplearning!Hello deeplearning!
Hello deeplearning!
 
IoTハンズオン・レクチャー資料
IoTハンズオン・レクチャー資料IoTハンズオン・レクチャー資料
IoTハンズオン・レクチャー資料
 
Raspberry PiとGoogle Meetでお手軽ペットカメラ
Raspberry PiとGoogle Meetでお手軽ペットカメラRaspberry PiとGoogle Meetでお手軽ペットカメラ
Raspberry PiとGoogle Meetでお手軽ペットカメラ
 
co-meeting_meetup_vol1_利用事例紹介(newデイシス)
co-meeting_meetup_vol1_利用事例紹介(newデイシス)co-meeting_meetup_vol1_利用事例紹介(newデイシス)
co-meeting_meetup_vol1_利用事例紹介(newデイシス)
 
IoTとDeep Learningで自宅警備員を育ててみる
IoTとDeep Learningで自宅警備員を育ててみるIoTとDeep Learningで自宅警備員を育ててみる
IoTとDeep Learningで自宅警備員を育ててみる
 
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」
 
リモートワークで意識すべき7つのこと
リモートワークで意識すべき7つのことリモートワークで意識すべき7つのこと
リモートワークで意識すべき7つのこと
 
アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-
アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-
アイデアを塩漬けにしない-世界中の人に手伝ってもらう方法-
 

Traffic light detection for self driving car