「深層学習を、自分のデータで試したい」でお困りの方へ

こんなお悩みは、ありませんか？

  • 論文や学会で見た深層学習の手法を、自分のデータで試したいが、実装まで手が回らない
  • 公開されている学習済みモデルを動かしてはみたが、自分の対象では精度が出ない
  • 考案した手法やアルゴリズムを、動くソフトウェアに仕上げる実装パートナーを探している
  • 教師データの不足や、アノテーションの手間で、学習まで進めない
  • 開発を外部に頼むと中身がブラックボックスになり、自分たちで改良を続けられなくなりそうで不安

ひとつでも当てはまる方は、弊社の「深層学習・機械学習の開発サービス」が、お役に立てるかもしれません。まずは、お手元のデータで何ができそうかの見立てからお出しします。ご予算に合わせて、初期評価だけ、機能単位でと、範囲を区切ったご提案にも対応します。

深層学習・機械学習の開発サービス — 画像識別・検出から、3次元・時系列まで。モデルの作成から調整、中身の説明も可能。初心者でも使えるGUI付きアプリまで

対応できる技術

深層学習・機械学習と一口に言っても、課題ごとに適するモデルの系統は異なります。弊社は、画像処理・信号処理を中心に、次の技術分野の開発をお引き受けしています。いずれも、実案件での開発実績があります。

  • 画像識別（クラス分類）: 画像が何であるかを判定する。転移学習・ファインチューニングで、お客様の対象データに適応させる。
  • 物体検出: 画像のどこに何があるかを、枠で検出する（YOLO系など）。
  • セマンティックセグメンテーション: 画像を画素単位で領域分けする（U-Net, DeepLab v3+系など）。
  • インスタンスセグメンテーション: 隣接・重複する対象を、個体ごとに分離して検出する（SAMなど）。
  • 画像変換（image-to-image）: 画像から別の画像を生成する（pix2pix系など）。ラベル画像からの画像生成にも使える。
  • 画像生成モデル: 実データに似たデータを生成する（GAN・VAE・StyleGANなど）。教師データの自動生成や、特徴の抽出・分析に使える。
  • 3次元再構築: 複数の画像から3次元形状を復元する（NeRFなど）。
  • 3次元セグメンテーション: CTなどの3次元ボリュームデータを、領域分けする（3D U-Net系など）。
  • 時系列処理: 信号・計測データの、時間変化を扱う（RNN・LSTMなど）。

この一覧にない手法でも、論文や参考実装をもとにした開発に対応できます。まずはご相談ください。

なぜ、学習済みモデルを動かすだけでは、うまくいかないのか

いまは多くの分野で、学習済みの深層学習モデルが公開されており、動かすだけなら難しくありません。それでも実務で精度が出ないのは、お客様の対象やデータが、モデルが学習した条件と違うからです。

そこから先は、モデルの中身に踏み込む作業になります。どの層を残し、どの層を学習し直すか。教師データをどう作り、足りない分をどう補うか。損失関数やオプティマイザーを、対象に合わせてどう調整するか。場合によっては、モデルの構造そのものを設計し直します。

弊社は、学習済みモデルの流用にとどまらず、ファインチューニング・再学習・モデル自体の設計まで、中身を理解して開発します。だから、なぜその構成にしたのか、どこを調整すると何が変わるのかを、お客様に説明できます。納品するのは動くプログラムだけではありません。お客様ご自身が理解し、改良を続けられる、ソースコードと説明です。

深層学習開発の標準工程

弊社の深層学習・機械学習の開発は、次の4工程を標準として進めます。

  • ① データと実現性の調査: お手元のデータとサンプルを拝見し、類似の実装資産をもとに、精度が出せそうかどうかの見立てを行う。あわせて、評価指標（検出率・誤検知率・混同行列・処理時間など）と、評価に使うデータの出所を、実装の前に決める。
  • ② 開発の実施: 学習済みモデルの利用、ファインチューニング、多クラス学習、後段に識別器を置く2段階方式など、複数の方式を比較しながら実装する。教師データが不足する場合は、データ拡張や生成モデルによる自動生成で補う。採用しなかった方式も、その理由とともに記録する。
  • ③ 精度評価・調整: ①で決めた指標で、方式ごとの精度を同一条件で数値化する。運用上どちらの誤りが困るか（見逃しか、誤検知か）の優先順位に従って、しきい値、後段での再判定、判定から外す条件などを調整する。
  • ④ テスト検証・納品: 実データでの通し実行と動作確認を行う。必要に応じてGUIやスタンドアロン実行形式に仕上げ、ソースコードと、出力結果、構成・調整箇所の説明を添えて納品する。

適用例: 深層学習用教師データの自動生成

上記の標準工程を実案件に適用した例。

お客様: 国立研究開発法人様

ご依頼内容: X線画像から対象物をセグメンテーションする研究で、不足している教師データを、画像生成モデルで自動作成したい。単一クラスで確立した生成方法を、20クラスへ拡張し、クラスごとの生成品質を改善したい。研究の中で繰り返し使えるように、MATLABプログラムとして受け取りたい。

課題:

  • 画像とラベルのペアを人手で多数作る、アノテーション工数を減らすこと
  • 形状や内部構造の傾向が異なる20クラスを、共通の実行フローで扱うこと
  • 生成画像の品質を、目視だけでなく、定量指標でも比較できるようにすること

ソリューション:

  • 少ない教師データから、その形状の特徴を考えて、似ている教師データを生成する作業は、敵対的生成ネットワーク（GAN）のアルゴリズムを利用するのが本質的と考え、今回は部品配置を表すラベル画像をGANで生成し、pix2pixHDで対応するX線画像の詳細を生成する、2段階パイプラインを構築した
  • 画像解像度を上げ、知覚損失の重みと、生成器・判別器の学習率バランスを調整して、学習させた
  • 外形の直線化・細線化、矩形部品の付加、実データからの部品合成など、クラス別の後処理を用意した
  • クラス数が多いので、前処理、学習、生成、後処理を一括制御する仕組みを作った
  • 生成画像と実画像からCNN特徴ベクトルを抽出し、コサイン類似度で品質を評価した
  • 効果が得られなかった高解像度化手法なども、結果とともに報告した

結果:

教師データ自動生成の処理フロー: GANがラベル画像を生成し、pix2pixHDが対応する画像を生成する。クラス別の後処理と品質の定量評価までを一括制御する

  • 全20クラスについて、画像・ラベルのペアを自動生成するプログラムを納品した
  • 20クラス中19クラスで、生成品質の改善を確認した
  • 人手のアノテーションに頼らずに、不足していた教師データを、プログラムで拡充できる状態になった

適用実績

  • 国立研究開発法人様 — X線画像のセグメンテーション研究に向けた、深層学習用教師データの自動生成（上記）。生成モデル（GAN・pix2pixHD）の損失関数・学習率バランスの調整まで含めて開発
  • 大手電機メーカー様 — 空港の監視カメラ画像から鳥を検出するAIの精度評価・改善。誤検知の低減を最優先とする評価方針を先に定め、6方式を同一の指標で比較。しきい値と夜間の除外条件の調整により、誤検知率28.8%の方式を0.7%まで下げた構成を、運用の推奨点として提示
  • 大手化学メーカーの研究所様 — Pythonで学習した画像分類モデルをMATLABへ取り込み、判定結果の一致を確認したうえで、判断根拠を可視化するGrad-CAMを実装。既製の機能では足りない部分は、ネットワークの層を独自に実装して対応
  • 上記以外にも、公開できない事例は多数

深層学習・機械学習の開発のご相談は、このページ下部の「今すぐお問い合わせ」からご連絡ください。

安心してご依頼いただくために

  • 精度は、決めた指標で数値でお示しします: 評価指標と評価に使うデータを着手前に合意し、方式ごとの精度を同一条件で比較した結果を、数値と比較表でご報告します。
  • 納得してからのご発注です: 受注前にデータを拝見し、実現性の見立てと作業範囲を提示します。内容にご納得いただけない場合は、そこでお断りいただいて構いません。
  • 難しい場合は、率直に申し上げます: 事前解析の結果、ご希望の精度に届かない、または割に合わないと判断した場合は、その理由とともに正直にお伝えします。見込みが立たないまま作業を続けることはしません。
  • 予算に合わせて分割できます: 初期評価、機能単位の開発、GUI化・配布と、段階を分けてご発注いただけます。まず初期評価だけ、というご依頼にも対応します。
  • 理解して、使い続けられる形で納品します: ソースコードと、構成・調整箇所の説明資料を添えて納品します。説明資料は、PowerPointのまま納品します。弊社は著作権を主張しないので、納品後は、ソースコードも資料も、お客様ご自身で改変して、ご自由にお使いいただけます。
  • 成果の研究発表や論文発表も可能です: 成果を、お客様の研究発表や、論文で発表できます。弊社のクレジットは、不要です。もし、お客様の方で、弊社との共同研究の方が都合が良い、という場合は、対応しますので、ご相談ください。

よくあるご質問

教師データが少ないのですが、依頼できますか？

はい、ご相談ください。データ拡張や、生成モデル（GAN等）による教師データの自動生成で補う方法があります。まずは現在お持ちのデータを拝見し、どこまで補えそうかの見立てをお伝えします。

どのくらいの精度が出ますか？

対象とデータによって変わるため、着手前にお約束はできません。100%になることも、まずありません。だからこそ弊社は、評価指標を先に決め、初期評価で見通しを立ててから本開発に進む形をおすすめしています。想定した精度に届かないと分かった場合は、その時点で率直にお伝えし、代替の方針をご提案します。

MATLABとPython、どちらで開発してもらえますか？

どちらにも対応します。ご指定の環境・言語で開発し、ソースコードで納品します。Pythonで学習済みのモデルをMATLABへ取り込み、前処理を揃えたうえで、判定結果が一致することを確認した実績もあります。環境をまたぐ移行も、あわせてご相談ください。

納品されたプログラムは、自分たちで改変して使えますか？

はい。ソースコードで納品し、お客様側での利用・改変に制限を設けません。なぜその構成・調整にしたのかを説明した資料を添えますので、研究室やチームの中で、理解して使い続けていただけます。研究成果を論文等で発表される場合も、弊社へのクレジットは不要です。ご希望があれば、仕組みや操作の講習にも対応します。

データやコードを社外に見せることに、不安があるのですが？

ご要望に応じて、秘密保持契約を締結させて頂きます。アルゴリズムやコードはデリケートな内容を含むことが多いので、秘密保持契約を締結してからコードをお預かりすることは、よくあります。

ご相談から開発までの流れ

  • お問い合わせ: お問い合わせフォームから、お知らせください。もし分かれば、対象データの種類（画像・動画・信号など）と、やりたいこと（識別・検出・領域分割など）、お手元のデータ量をお知らせください。
  • ヒアリング: ZoomやTeams等で話を伺います。
  • 事前解析: データとサンプルを拝見し、実現性の見立て、評価の方針、作業範囲を提示します。
  • お見積・ご発注: 見立ての内容にご納得の場合、ご発注ください。予算申請用の概算見積にも対応します。
  • 開発の実施: 複数の方式を比較しながら実装し、決めた指標で精度を確認しながら進めます。
  • 検証・納品: 精度を数値で確認し、ソースコードと説明資料を添えて納品します。

お問い合わせ

深層学習・機械学習の開発でお悩みでしたら、お気軽にお問い合わせ下さい。
下記の、「今すぐお問い合わせ」をクリックして、フォームにご記入下さい。
お問い合わせには、当日〜翌日にご返信しています。

今すぐお問い合わせ