Better Brain,
Better Chain.
scroll
NEWS
-
2018.10.11アクセルと Acculus（アキュラス） 最新の AI、ディープラーニングを⽤いたコンピュータビジョン分野で協⼒詳しくはプレスリリースをご覧下さい。
https://www.axell.co.jp/ir/pdf/AXELL_PR20181011.pdf -
2018.08.27ディープラーニングフレームワーク「AILIA」をリリースしました詳細は、プレスリリースをご確認ください
ABOUT AILIA
AILIAの特徴
物体検出・画像分類・特徴抽出。
学習済み係数で、ディープラーニングが簡単にあなたの手に。
エッジ(端末)側での推論に特化した
ディープラーニングフレームワークSDK
Windows/Mac/iOS/Androidへの
マルチプラットフォーム対応
完全自社開発で組み込み系にも
ポーティング可能
POINT01
ユーティリティクラスを提供
学習済み係数で簡単に使える
AILIAでは学習済み係数と画像を与えるだけで簡単に画像認識を実装することができます。
従来、必要であった前処理と後処理のコードをAILIAのユーティリティクラスが提供します。
インターネット上で公開されている動作確認済みの学習済み係数や、
パートナーが提供する学習済み係数を使用することで、簡単にやりたいことを実現します。
POINT02
Unity Pluginを提供
AILIAはUnity Pluginを提供します。
Unityを使用することで簡単にWebカメラの映像を取り込むことができ、AILIAのC# APIを使用して画像認識を実装することができます。
また、認識結果を3Dモデルに反映することや、仮想環境をUnity上で構築して、認識の試験をすることができます。
POINT03
重み係数の圧縮に対応
AILIAは独自の重み係数圧縮を搭載しています。
学習済みの重み係数をエッジ側のデバイスに圧縮して転送することで、通信時間やストレージを1/3まで節約することができます。
POINT04
FPGA向けのハードウェアIPで組み込み機器での認識に対応（予定）
AILIAは当社が開発中のFPGA向けハードウェアIPに対応予定です。
PCと共通のAPIで組み込み機器における画像認識をサポートします。
DEMO
デモムービー
YOLOによる物体検出
YOLOの学習済み係数を使用して人や車などの位置を検出することができます。
Darknetを使用して独自に学習を行った係数を読み込ませることも可能です。
Gender/Age/EmotionNetによる性別、年齢、感情推定
YOLO Faceを使用して顔を検出した後、顔画像に対して各種ネットワークを適用することで、
性別や年齢、感情を推定することができます。
VGG16による特徴抽出
VGG16を使用することで画像から特徴量を抽出することができます。
特徴量同士の距離を計算することで、画像の類似度を計算することができ、
画像検索エンジンなどを簡単に実装することができます。
AILIA Analyzerで内部状態の出力、認識過程の可視化が可能。
中間層を出力できるためVGG16の検索エンジン利用なども可能
CUSTOMIZE
カスタマイズした認識が可能
KerasやDarknetからAILIAで読み込める形式に変換できるファイルを同梱しているので
簡単なスクリプトで変換可能
<Keras>
keras2caffe.convert(model,"my_model.prototxt","my_model.caffemodel")
<Darknet>
以下のレイヤー/ネットワークに対応。
未対応なものの追加もサポート可能
<対応レイヤー>
| keras | caffe | ailia |
|---|---|---|
| InputLayer | data | data |
| Conv2D | Convolution | Convolution |
| SeparableConv2D | Convolution | Convolution |
| DepthwiseConv2D | Convolution | Convolution |
| BatchNormalization | BatchNorm | BatchNorm |
| Dense | InnerProduct | InnerProduct |
| Activation | ReLU Sofmax | ReLU Sofmax |
| Cropping2D | Crop | Crop |
| Concatenate , Merge | Concat | Concat |
| Add | Eltwise | Eltwise |
| Flatten | Flatten | Flatten |
| MaxPooling2D | Pooling | Pooling |
| AveragePooling2D | Pooling | Pooling |
| Dropout | Dropout | Dropout |
| GlobalAveragePooling2D | Pooling | Pooling |
| ZeroPadding2D | Pooling | Pooling |
| Not Implemented | LRN | LRN |
<ネットワーク>
・AlexNet ・InceptionV3 ・XceptionV1 ・VGG16
・SqueezeNet ・MobileNet ・LeNet ・Yolo
CASE STUDY
利用例
Unityを使用したインタラクティブサイネージ
デジタルサイネージの前にいる人の位置や姿勢を検出して、
3Dキャラクターが適切なアクションをすることで、
インタラクションが楽しめるサイネージを実装することができます。
受付システムにおける人物検出
画像認識によって来場者を検出することで、
来訪先のアノテーションなどを提示することができます。
実店舗Analyticsにおける 人数カウント
画像認識によって実店舗の来客数や性別・年齢を計測することで、
マーケティングデータとして活用することができます。
SPEC
仕様および提供物
| 項目 | 仕様 |
|---|---|
| 入力形式 | prototxt, caffemodel |
| 対応OS | Windows, Mac, iOS, Android, (FPGA) |
| ライブラリ形式 | Static, Dynamic |
| アクセラレータ | IntelMKL, Accelerate.framework |
| SIMD命令セット | SSE2, AVX, NEON |
| GPGPU | C++AMP, OpenCL |
CONTACT
お問い合わせ
お問い合わせありがとうございます。
弊社担当者よりご連絡させていただきます。
・Windowsは、米国Microsoft Corporationの米国及びその他の国における登録商標です。
・Androidは、Google Inc.の商標です。
・Macは、Apple Inc.の商標です。
・その他記載されている商品・サービスは各社の商標です。
