AI・機械学習・画像認識ソリューション
BENZaiTEN
『BENZaiTEN（ベンザイテン）』は、CGを活用したAIによる画像認識や物体検知の学習を支援するソリューションです。学習用の教師画像としてのCG画像提供から、自由に画像を生成できるツールの開発・提供、さらにAI学習モデルを含む画像認識システム自体の構築まで、一貫してサポートします。
外観検査や設備監視、自律走行・自動運転、人物・表情認識など、幅広い分野で活用可能です。
【名前の由来】
YEBIS（エビス）、Mizuchi（ミズチ）、OROCHI（オロチ）、DAIKOKU（ダイコク）など、当社の製品名称の多くは日本の神話や伝説に登場する神や生物に由来しています。『BENZaiTEN』は七福神の一員としても有名な弁天または弁天さんとも言われる弁才天から命名しました。
AI画像認識の精度を向上させる３つのステップ
１．学習画像（教師データ）の作成
AI画像認識における推定アルゴリズムの精度は、どのような教師データを、どの程度用意するか、によって左右されます。
しかし、実際には発生頻度が極端に少なかったり、実際に再現することが難しかったり、著作権、所有権、肖像権などの権利による制限、時間やコストの都合など、さまざまな制約が伴うため容易ではありません。
BENZaiTENでは、3DCG技術を活用することで、こうした制約を受けることなく、学習に最適化された教師画像データを効率的に作成します。学習目的や推定対象に合わせ、シーン、条件、ばらつきを設計し、アノテーション付きの学習画像を用意することが可能です。
学習画像作成の特長
- 正確で高品位な3DCG生成
PBR※による実写に近い高品質な3DCGを高速・自動生成し、学習に有効な画像を安定して供給
※Physically Based Renderingの略。物理ベースレンダリング。光の反射や拡散を物理的な計算をもとにレンダリングし、より現実に近い表現が可能になる手法。 - アノテーション自動出力
位置情報やクラス情報を含むアノテーションも自動生成し、ラベリング作業を不要化 - 多様なバリエーション表現
照明、視点、形状、状態などを制御し、推定精度向上に必要なばらつきを網羅 - AI画像生成の併用も可能
膨大なバリエーションが必要な場合には、コスト効率の高いAI画像生成を選択することも可能 - 柔軟なカスタマイズ対応
お客様のワークフローや学習モデルの仕様に合わせたデータ設計・出力形式に対応
２．推定アルゴリズム（画像認識AI）の作成
作成した教師データを用いて、画像認識AIモデル（ディープニューラルネットワーク）を学習させ、推定アルゴリズムを構築します。
BENZaiTENでは、教師データの提供にとどまらず、学習済みモデルを組み込んだ画像認識システムの構築までを一貫してサポートすることが可能です。入力画像に対して複数のカテゴリの判定結果を返すことにより、学習結果を確認しながらデータセットを修正・改善し、効率的な認識精度の向上を実現します。
エッジAI（Jetson端末など）を利用したリアルタイム認識システムも構築可能です。さまざまな場所に設置した小型端末で、カメラ映像を継続的に取得し、学習済みモデルによる推定をリアルタイムに行います。
必要に応じてディスプレイにわかりやすく表示することで、工場の生産ラインや設備監視での物品の欠損・破損の検出、監視カメラでの人物認識など、現場で活用することができます。
３．「１」と「２」のフィードバックループによる品質向上
画像認識AIの精度は、一度の学習で完成するものではありません。実際の推定結果を確認すると、「特定条件で誤認識が多い」「想定外のパターンに弱い」といった課題が見えてきます。
そこで重要になるのが、推定結果 → データ設計の見直し → 再学習というフィードバックループです。
BENZaiTENは、学習画像の作成と推定アルゴリズム開発を同一環境で扱えるため、このループを高速に回すことが可能です。
これにより、要件が固まりきっていない段階からでも、試行錯誤を重ねながら効率的に品質を高めていくことができます。
- 推定結果から不足しているケースや偏りを特定
- 3DCGで必要な条件・シーンを追加生成
- データセットを更新して再学習
- 推定精度の向上を確認
不良判定用CG生成
製造過程で発生しうる傷、欠損などの不良をCGで再現。機械学習による外観検査で必要なNG教師画像としてご活用いただけます。傷や欠損の大きさ、長さ、深さ、位置、形状、ベースとなる素材、各種カメラや照明条件、光源設定など、実際の状況に即して再現。発生頻度が低い不良も生成可能です。ラベル情報も付加した状態で納品いたします。
人物（顔・表情）認識用CG生成
あらゆる光源環境におけるさまざまな人物の顔や表情を、年齢・性別・人種を変えて多様に生成することができます。肖像権のリスクなく、高品質な学習用データを大量に用意することが可能です。
IR（赤外線）カメラのルック再現、Unreal Engineのプラグインとして組み込むなど、用途に応じた各種カスタマイズにも幅広く対応します。車室内の状況を再現することで、Euro NCAPの成人・子供乗員保護要件に沿ったDMS開発にも対応できます。
組立て部品・パーツ認識用CG生成
画像認識により組立て部品の選別やパーツなどの商品仕分けをおこなうロボットアームの学習用に、教師画像としてご活用いただけるさまざまなパーツが配置されたアノテーション付きのCG画像を生成いたします。
部品やパーツ類の配置は数や位置など自在に設定可能です。ネジやボルト、ナット、ワッシャー、バネなど小型な金属部品をはじめ、ゴム素材、プラスティック素材など配置できるパーツの種類は多岐にわたります。
学習用シーン映像CG生成
機械学習による画像認識において、学習または検証する際にご活用いただけるさまざまなシーンを、リアルタイム3DCGで再現。炎や煙、樹木や草などの植物、複数の人物など、複雑なシーンも対応いたします。
また、魚眼カメラや超広角カメラなどのレンズシミュレーションや異なるカメラアングル、ライティングや天候の再現など、実カメラに合わせて撮影条件を設定し、レアケースも再現可能です。
教師画像用CG生成ツール／シミュレーション環境開発
お客様の機械学習システムの目的・用途に応じた教師画像用CG生成ツールを開発。UI/UXのデザインや各種機能の設計など、ツール形態はワークフローに即して開発し、教師画像のファイル形式など書き出すデータセットのフォーマットはAIエンジンに合わせて設定いたします。
また、監視カメラや自動追尾カメラ、自律移動や自動運転など、AIエンジンと連動するシミュレーション環境開発にも対応。リアルタイムに連動する仕組みの構築も可能で、AIエンジンのラーニング・検証など、用途に合わせた環境を開発します。
Unreal Engine アノテーション出力
機械学習に必要なアノテーション（ラベリング）画像を生成するためのUnreal Engine用の技術です。ロボット、監視カメラ、自動車などの研究開発部門でご活用いただけます。
従来のアノテーション画像は、実写素材に対して人手による塗り分けで作成されており、省力化のため3DCGの活用が期待されていました。本技術を導入することにより、Unreal Engineで作成した任意のシーン上で、セマンティックセグメンテーションに必要なアノテーション画像を、効率よく生成できるようになります。
