LeapMind株式会社は、11/20（水）から11/22（金）までパシフィコ横浜で開催される「ET / IoT Technology 2019」にて、弊社CTOの徳永がパネル・セッションに登壇することをお知らせします。
<h2 id="パネルセッションについて">パネル・セッションについて</h2>
【カンファレンスプログラム】組込みマルチコアサミット
【タイトル】開発現場に訊く！ 車載AIのシステム設計とマルチコア実装の勘所
【日時】11月21日（木）15:40〜17:00
【会場場所】会議センター［315］
【URL】<a href="http://www.jasa.or.jp/expo/conference2019/confpage-mm.html">http://www.jasa.or.jp/expo/conference2019/confpage-mm.html</a>
<h2 id="et--iot-technology-2019開催概要">「ET &#x26; IoT Technology 2019」開催概要</h2>
【日時】 2019年11月20日(水)～22日(金）10：00～17：00 （※21日（木）は、18:00終了）
【会場】 パシフィコ横浜
【入場料】無料（要事前登録）
【URL】 <a href="http://www.jasa.or.jp/expo/">http://www.jasa.or.jp/expo/</a>

「ET / IoT Technology 2019」にて弊社CTO徳永がパネル・セッションにて登壇します

2019年6月4日（火）〜6月7日（金）に新潟で開催される<a href="https://www.ai-gakkai.or.jp/jsai2019/">人工知能学会全国大会（JSAI）</a>で２件の研究発表を行います。また、展示ホールに常時ブースを出展しており、本社のサマーインターン募集や<a href="https://hrmos.co/pages/leapmind/jobs">採用情報</a>について説明を行いますので、お気軽にお立ち寄りください。
<h3 id="発表1-convrnnの計算量を削減"><a href="#1-convrnn%E3%81%AE%E8%A8%88%E7%AE%97%E9%87%8F%E3%82%92%E5%89%8A%E6%B8%9B">発表1. ConvRNNの計算量を削減</a></h3>
畳み込み再帰ネットワーク（ConvRNN）の計算負荷を20〜40%減らしつつ、精度劣化は1〜2%に抑える手法を発表します。
<h3 id="発表2-ファイナルバッチ正規化"><a href="#2-%E3%83%95%E3%82%A1%E3%82%A4%E3%83%8A%E3%83%AB%E3%83%90%E3%83%83%E3%83%81%E6%AD%A3%E8%A6%8F%E5%8C%96">発表2. ファイナルバッチ正規化</a></h3>
浮動小数点数には見られず、量子化した低ビットなネットワークに特異的に見られる振る舞いを利用した、これまでより優れたバッチ正規化法を発表します。
<h2 id="1-convrnnの計算量を削減">1. ConvRNNの計算量を削減</h2>
公式情報：<a href="https://confit.atlas.jp/guide/event/jsai2019/subject/2H4-E-2-05/tables?cryptoId=">講演情報</a>
講演日時：2019年6月5日(水) 16:40 〜 17:00
講演会場：H会場 (303+304 小会議室)
講演番号：国際セッション：[2H4-E-2-05]
D. Vazhenina and A. Kanemura、“Reducing the number of multiplications in convolutional recurrent neural networks (ConvRNNs)”、人工知能学会全国大会（JSAI）、新潟、日本、2019。
深層学習は、行動認識 (図1)や天気予報 (図２)などの時空間モデリングにも使われており、未来の出来事の予測などに有用であると期待されています。時空間モデリングを深層学習で行った代表的な手法にConvRNNがあります。ConvRNNは、RNNによる時系列処理と、畳み込みによる2次元データ（画像）処理を組み合わせた革新的な手法です (図３)。ただし、ConvRNNには計算負荷が大きいという技術的な課題があります。ConvRNNが必要とする計算量は、映像解析や行動認識のような実世界のアプリケーションを運用することが困難なほど大きくなってしまっています。
そこで我々は、ConvRNNの計算負荷を減らす手法を開発しました。アイディアは単純であり、パラメータと乗算の数を減らすために、畳み込み演算を<a href="https://ja.wikipedia.org/wiki/%E3%82%A2%E3%83%80%E3%83%9E%E3%83%BC%E3%83%AB%E7%A9%8D">アダマール積（要素積）</a>で置き換えるというものです。その代償として精度が低下することが予期されたので、具体的なデータとタスクに対して定量的に評価しました。データはMoving MNISTを、タスクとしてはのビデオフレーム予測を用いました。我々の手法は、畳み込み演算を用いるConvRNNと比較して、パラメータ数は21%減少、乗算回数は38%減少させることができました。懸念された精度低下は、SSIM (structural similarity index)で約1.5%減少と、計算負荷の軽減に比べて非常に少ない劣化にとどまりました。ConvRNNのような時空間モデリング法を、Webアプリや組み込みシステムなどのさまざまな状況でより便利に使えるように我々は研究開発を続けています。詳しくはJSAIのWebサイトで公開される我々の論文をご覧ください。（<a href="https://confit.atlas.jp/guide/event-img/jsai2019/2H4-E-2-05/public/pdf?type=in">JSAI2019予稿集</a>）
<img src="/images/posts/events/jsai-2019/kth-dataset.jpg" alt="/images/posts/events/jsai-2019/kth-dataset.jpg" title="ヒトの行動の画像系列データ">
図1：ヒトの行動の画像系列データ（<a href="https://www.nada.kth.se/cvap/actions/">KTH dataset</a>より）。
<img src="/images/posts/events/jsai-2019/radar-echo.jpg" alt="/images/posts/events/jsai-2019/radar-echo.jpg" title="レーダー反射波からの降雨量の予測">
図2：レーダー反射波からの降雨量の予測（[<a href="https://papers.nips.cc/paper_files/paper/2015/hash/07563a3fe3bbe7e3ba84431ad9d055af-Abstract.html">1</a>]のsupplementary materialデータより）。
<img src="/images/posts/events/jsai-2019/ConvRNN_final-v2.jpg" alt="/images/posts/events/jsai-2019/ConvRNN_final-v2.jpg" title="ConvRNNを使った識別器のアーキテクチャ">
図3：ConvRNNを使った識別器のアーキテクチャ（[<a href="https://arxiv.org/pdf/1511.06432.pdf">2</a>]のFigure 2より改変の上引用）。
[1] S. Xingjian, Z. Chen, H. Wang, D. Yeung, W. Wong, and W. Woo. Convolutional LSTM network: A machine learning approach for precipitation nowcasting. In Neural Information Processing Systems (NIPS), 2015.
[2] Nicolas Ballas, Li Yao, Chris Pal, and Aaron Courville. Delving deeper into convolutional networks for learning video representations. International Conference on Learning Representations (ICLR) , 2016.
<h2 id="2-ファイナルバッチ正規化">2. ファイナルバッチ正規化</h2>
公式情報：<a href="https://confit.atlas.jp/guide/event/jsai2019/subject/2A4-E-2-05/tables?cryptoId=">講演情報</a>
講演日時：2019年6月5日(水) 1６:４0 〜 17:00
講演会場：A会場(2F メインホールA)
講演番号：国際セッション：[2A4-E-2-05]
J. Nicholls and A. Kanemura、“Final sample batch normalization for quantized neural networks”、人工知能学会全国大会（JSAI）、新潟、日本、2019。
バッチ正規化(batch normalization)は、ReLUと並んで深層学習で中核となる技術です。バッチ正規化により、当時のImageNetコンペティションの優勝者を上回る性能（トップ5エラーが5%未満）が達成されました[3]。現代の深層学習のモデルではバッチ正規化は標準的に採用されています。
我々は、深層学習のモデルを小さくする研究を行う過程で、バッチ正規化は、量子化ネットワークに対しては通常と異なる振る舞いをすることに気がつきました。この発見が、バッチ正規化に関する新しい手法に繋がりました。
今回の発表では、BN-final (final batch normalization)と名付けた手法を報告します。BN-finalは、量子化ネットワークに対して、これまでのバッチ正規化よりも優れた性能を示します。BN-finalでは、全てのバッチからの統計量の代わりに、最終バッチからの統計量のみを使用して、バッチ正規化を行います。 BN-finalの有用性を検証するために、分類や物体検出のタスクを含む一連の実験を行いました。下の図に示す通り、4つのデータセット全てについて改善がみられ、なかでもCIFAR-10に対しては精度が80%から88%まで10%（8ポイント）程度上昇しました (図４)。また、学習中のテスト精度の変化がより滑らであることなどもわかりました。詳しくはJSAIのWebサイトで公開される我々の論文をご覧ください。（<a href="https://confit.atlas.jp/guide/event-img/jsai2019/2A4-E-2-05/public/pdf?type=in">JSAI2019予稿集</a>）
<img src="/images/posts/events/jsai-2019/quantizedBNCompare.png" alt="/images/posts/events/jsai-2019/quantizedBNCompare.png" title="BN-final（青色）は、標準的なバッチ正規化法BN-pop（緑色）よりも優れた性能を示していることがわかるグラフ">
図4：BN-final（青色）は、標準的なバッチ正規化法BN-pop（緑色）よりも優れた性能を示しました。
[3] S. Ioffe and C. Szegedy, “Batch normalization accelerating deep network training by reducing internal covariate shift”, International Conference on International Conference on Machine Learning (ICML), Lille, France, 2015.
<h2 id="jsai学会にて企業出展のお知らせ">JSAI学会にて企業出展のお知らせ</h2>
学会のスポンサーとして、6月4日(火)から6月7日(金)まで会場に<a href="https://www.ai-gakkai.or.jp/jsai2019/sponsor/#co58">ブースを設置</a>いたします。ブース内では、弊社の最新情報とサマーインターン募集や<a href="https://hrmos.co/pages/leapmind/jobs">採用情報</a>について紹介いたします。ご参加の際にはぜひ弊社ブースまでお立ち寄りください。
<h3 id="会-場">会 場</h3>
展示会場 A：1F <a href="https://www.tokimesse.com/visitor/guide/hall.html#wavemarket">展示ホールB</a> A-8
<h3 id="出展日時">出展日時</h3>
6月4日(火) 13:00～17:00
6月5日(水) 9:00～17:00
6月6日(木) 9:00～17:00
6月7日(金) 9:00～15:00
<h2 id="サマーインターン募集中">【サマーインターン募集中】</h2>
2019年、夏。LeapMindで技術インターンをしたい、Deep Learningに興味のある学生を募集します！
LeapMindは、意欲的な学生の方々を対象に、サマーインターンを募集します。LeapMindは、深層学習を世の中のあらゆるモノに実装し、より便利で豊かな社会を実現することを目指し、低ビットのコンパクトなニューラルネットを作成するオープンソースソフトウェアBlueoilの開発や、低消費電力で稼働するディープラーニング向けの<a href="https://monoist.itmedia.co.jp/mn/articles/1902/28/news048.html">独自プロセッサ</a>の設計などを進めています。Blueoil開発、プロセッサ設計、その他のプロジェクトに参加し、先端技術を社会に届ける一端をになってみませんか。

2019/6/4〜6/7 JSAI 2019で2件の研究を発表します

それは、2018年も終わる、LeapMind最終営業日と、その前日のことです。私、HR Divisionの飛永は、主にDeLTA-Kitの開発を行うSingle Board Computing Divisionに属するHW Engineer、多治見と共に、群馬県太田市にある群馬大学へ向かいました。綺麗なキャンパスの周辺には自動車や機器メーカーが多く集まり、群馬大学と共同研究を多く行なっています。このキャンパスで、学生は日々研究に没頭するのです。
冬晴れに恵まれた12月26日、私たちは、ここ、群馬大学太田キャンパスにてハッカソンを行いました。
そう、9月に金沢工業大学で行なった、ハッカソンです。記事は<a href="/news/detail/kit_hackathons">こちら</a>。内容も、ほぼ同じなのですが、今回はなんと、約....約2倍強、28名方にご参加いただきました！しかも、学生と企業の方が1:1という脅威の比率。こんなに企業の方々にお集まりいただけるとは思っておらず、驚きを隠せないままハッカソンを開始しました。
まず、私たちLeapMindについて、働くヒトや技術、DeLTA-Familyについてお話させていただきました。真剣に聞くみなさんの表情が、想像以上に強張っていたため、空気を和やかにさせるよう、時々ジョークも交えることで、笑いを引き出すことに成功しました。やった！
<img src="/images/posts/events/gunma-u-hackathons/cc075504-img_9575-2048x1536.jpg" alt="後方からのハッカソンの様子" title="後方からのハッカソンの様子">
ハッカソンについての説明を行い、参加者による自己紹介タイム。学生の方は普段の研究について、企業の方は職種と普段の業務内容について教えていただきました。なんと、群馬大学の学生さん以外にも、東京電機大学の学生さんもいらっしゃいました！うれしさと驚きのあまり、ニヤけが止まりません。企業の方は、自動車系から電子機器、FA系、フリーランスまで分野がさまざま。年齢層も20代から60代までいらっしゃり、組込みDeep Learningが多くの方の興味の対象となっていることを実感しました。
2日間の流れを説明したのですが、年末という時期もあり初日しか参加できない方が半分ほどいらっしゃいました。しかし、LeapMind、大丈夫です。こんなこともあろうかと2日間のスケジュールと1日のみのスケジュールをご準備させていただきました。
2日間参加チームと、1日のみ参加チームに分け、4人グループを作っていただきました。1日のみ参加チームの方には、「組込みDeep Learningを使ったビジネス提案」をテーマにディスカッションしていただきました。
<img src="/images/posts/events/gunma-u-hackathons/IMG_9578-2048x1536.jpg" alt="3つのチームのディスカッションの内容が書かれたホワイトボード" title="3つのチームのディスカッションの内容が書かれたホワイトボード">
①チームは「スマートトラフィックライト(STL)」を提案。車5~6台を1ロットとしてラベル付けし、車の交通量に応じて、信号を切り替えるというものです。
②チームは「潜水艦や宇宙船、災害時の探索ロボットに乗せ迷子を探す」と言うものです。普段の生活でもドライブレコーダーと併用することで迷子を探せるのではという内容でした。
③チームは駐車場の管理を行い、空いている場所を教えてくれるというものです。他にも、手書き文字の認識についても提案していただきました。
どれも実用的なアイデア！このアイデアを元に、学習画像を収集し、DeLTA-Liteで簡単にモデルを作成する体験をしていただきました。
2日間参加チームには、DeLTA-Liteで構築するDeep Learning識別モデルのテーマを決めていただきました。そして、「組込みDeep Learningでないといけない理由」と共に、何を識別するか発表していただきました。
Aチームは自動運転で活躍できそうなテーマ。「道の上にある、人や猫やゴミを認識する」というもの。今回は2値の識別のため、「道に人がいるかどうか」を識別することにしました。ドライブレコーダーに組込みたいとのことです。
Bチームは企業の方のみのおじさまチーム。コンビニやスーパーでアルコール類を買うときに二十歳以上かどうかのボタンを押すのに億劫であることから、今回のテーマは「成人済みかどうか」になりました。明らかに二十歳を超えている人にはボタンの処理をスルーさせたいとのことです。レジ上部に組込みたいとのことです。
Cチームは学生企業混合チーム。アジア圏外国籍の方が多いチームだったこともあり、「完熟バナナを見極める」というテーマで決まりました。バナナの出荷時は緑色で、スーパーに並ぶときに黄色になるよう、調整していますが、どの黄色が一番美味しい時期なのかわからない....美味しい時期のものをスーパーに並べたいという思いから、バナナ売り場に設置し、「これが一番！」と提案してくれるものを作りたいとのことです。
Dチームは学生、先生混合チーム。「ダサい服かどうか」識別するというものでした。大学に行くときもオシャレしたいけど、オシャレかどうかわからない。家の鏡の前に立ったときに教えてくれたらいいのに....という思いから、学生らしいテーマがでてきました。オシャレかどうかは4人の独断と偏見で行うそうです。大学生の思う、オシャレかどうかの判別になりそうです。
そして、各チーム学習データのための画像収集。ImageNetやGoogle画像検索などを駆使して正解不正解それぞれ1000枚以上の画像を集めていただきました。
<img src="/images/posts/events/gunma-u-hackathons/cf14b7c9-751a61a62b286f4c0b5a7d85bf13a7a3.png" alt="学習データのための画像収集を行う様子" title="学習データのための画像収集を行う様子">
フォルダを分け、DeLTA-Liteにアップロードしたところで、1日目は終了しました。
日付も変わり12月27日。全チームのDeep Learning識別モデルが完成していました。（計算通り）
ここから、各チームのモデルを全員で確認していきます。識別モデルを入れたSDカードをDeLTA-Kitに挿入し、カメラで対象物や画像を映していきます。結果画面はプロジェクタに映し、全員でレビューを行ないます。
まずはAチームの「道に人がいるかどうか」を見ていきます。人や猫がど道路にいる画像が少なかったようで、ほとんどの道に物がないと識別してしまいました....。
続いてBチーム「成人済みかどうか」の識別です。今回の参加者の年齢層が幅広かったこともあり、様々な年齢の方で試すことができました。精度は悪くないのですが、大学生などの曖昧な部分にはまだ弱かったようです。成人済み確認ボタンを押すかどうかの判別には使えそうな結果となりました。
Cチームの「完熟バナナ識別」では驚くほどの高精度で識別を可能としていました。半分緑や、先端だけ緑でも完熟じゃないラベルをつけており、すぐにスーパーに導入できそうな完成度となりました。
最後にDチーム。「オシャレかどうか」ですが、Dチーム全員で試していただきました。どうやら......黒い服だとオシャレのよう....?スーツで参加いただいていた企業の方にも試していただいたところ、スーツははやりオシャレ！学習時に使用した画像に黒い服の人が多かったことが原因のようです。この日の合言葉は「黒い服を着ればオシャレ」になりました。黒い服、着よう。
各チームの講評が終わり、これでおしまい....ではありません。ここから、「実用的かつ、精度もよく、ユニークな結果」となったチームに投票を行います。
結果.............。
<img src="/images/posts/events/gunma-u-hackathons/da1ec537-414e1700b0d8487af1667a77359ed8cf.png" alt="最もユニークな結果だったチームの投票でオシャレ度が過半数以上を占めているグラフ" title="最もユニークな結果だったチームの投票でオシャレ度が過半数以上を占めているグラフ">
過半数以上の票を獲得した「オシャレかどうか」を開発したDチームが1位でした！表彰状をプレゼントし、2日間にわたるハッカソンが終了しました。
投票と一緒にいただいた感想の中には......
自分たちで用意したデータを用いてDeep Learningを行うことは初めてだったのでデータの選定の仕方など学ぶことが多く大変ためになりました。
Deep Learningに関しては、今まで、データが用意されたチュートリアルに触れる程度だったが、今回は、画像収集のレベルからの取り組みを経験できた。日常の個人レベルでは、取り組みに腰が重たくなる領域である。貴重な経験になったと思う。
Deep Learningを気軽に楽しみながら使うことができて大変勉強になりました。
などなど.....！参加されたみなさまが、DeLTA-Familyを用いて楽しみながら簡単にDeep Learningモデル構築を体験いただけたようです。
また、今回のハッカソンを通じて、DeLTA-Lite、DeLTA-Kitを導入したいとの声も多くいただきました。学生でも、Deep Learningの知見のない企業の方でも、簡単にモデル構築のできるDeLTA-Lite、構築したモデルをすぐに試すことのできるDeLTA-Kitを授業で、会社で、お家で、ぜひ検討していただけると幸いです。また、ハッカソンを行うことももちろん可能です。沖縄から北海道まで全国どこでも行きますので、ぜひ<a href="https://leapmind.io/contact/">お問い合わせ</a>ください！！！

群馬大学でハッカソンを行いました

9月12日、13日に金沢工業大学のキャンパスにてハッカソンを行いました！
学部生、大学院生をはじめ教授、企業の方を含む、合計11名の参加者にDeLTA-LiteとDeLTA-Kitを使用してDeep Learningモデル構築を行なっていただくという内容です。
<img src="/images/posts/events/kit-hackathons/IMG_8573-2048x1163.jpg" alt="3つのグループに分かれて作業する参加者" title="3つのグループに分かれて作業する参加者">
（場所が本当にオシャでした...！どこを撮影しても映える...！）
まずはCOO渡辺から弊社についての紹介。LeapMindって何をやってるんだっけ？どんな人が働いてる会社なの？ということについてお話をさせていただきました。
<img src="/images/posts/events/kit-hackathons/IMG_8562-2048x1536.jpg" alt="DeLTA-Lite、DeLTA-Kitの使い方をはじめとする説明を行う様子" title="DeLTA-Lite、DeLTA-Kitの使い方をはじめとする説明を行う様子">
続いてBoard Design Engineerの多治見による弊社の圧縮技術から、DeLTA-Lite、DeLTA-Kitの使い方をはじめとする説明を行い、ここで一旦、質疑応答タイム。
最初に飛び出した質問がこちら。
学生「DeLTA-Liteの料金体系は？」
（早速すごい質問だ...）
多治見「生々しいですけど、こちらです」
と言ってDeLTA-LiteのWebサイトから請求できる資料の一部を表示し、料金体制について説明していきます。
<img src="/images/posts/events/kit-hackathons/IMG_8567-2048x1536.jpg" alt="請求できる資料の一部を表示し、料金体制について説明する様子" title="請求できる資料の一部を表示し、料金体制について説明する様子">
多治見「なんだか、営業してるみたいになってきちゃった笑」
学生「笑」
学生「oh...なかなかな金額ですね...LeapMindさんが伸びてる理由がわかりました」
多治見「一般の企業がDeep Learningを導入しようとして、専用の企業に頼んだ場合は金額が高くなるけど、DeLTA-Liteを使うと、専門業者に頼むよりも自分でできて安くなるんです」
学生「なるほどー」
その後、参加者に自己紹介をしていただいたのですが、すごいですね。過半数が大学院生だったのですが、こう、なんと言いますか、研究に対する情熱はもちろん、今後の未来を自分の手でどうしていきたいかなど語る姿がかっこよくて「未来はこういう学生が作っていくんだなぁ」と思いました。
そんな未来への情熱で溢れている参加者を3チームに分け、今回のハッカソンで構築していただくDeep Learningモデルのテーマを決めていただきました。
<img src="/images/posts/events/kit-hackathons/IMG_8574-2048x1536.jpg" alt="学習データを集める作業の様子" title="学習データを集める作業の様子">
Aチームのテーマは「可愛い人、可愛くない人」。可愛いか可愛くないかについてはチームメンバのうちの1名による独断と偏見で行いますとのことです。Bチームのテーマは「字が綺麗か汚いか」、Cチームは「肉食か草食か」をテーマに、学習データを集める作業をはじめました。
<img src="/images/posts/events/kit-hackathons/IMG_8577-150x150.jpg" alt="左に立って発言する人右に座って聞く人の姿" title="左に立って発言する人右に座って聞く人の姿">
<img src="/images/posts/events/kit-hackathons/IMG_8581-150x150.jpg" alt="3人で話し合っている様子" title="3人で話し合っている様子">
<img src="/images/posts/events/kit-hackathons/IMG_8588-150x150.jpg" alt="中央の人物が立って発言している様子" title="中央の人物が立って発言している様子">
学習データ作成をはじめて1時間半、進捗いかがですか？
<img src="/images/posts/events/kit-hackathons/IMG_8589-150x150.jpg" alt="pcを見つめるグループ" title="pcを見つめるグループ">
<img src="/images/posts/events/kit-hackathons/IMG_8591-150x150.jpg" alt="pcを見つめ考える3人" title="pcを見つめ考える3人">
<img src="/images/posts/events/kit-hackathons/IMG_8594-150x150.jpg" alt="ボードを見つめる4人" title="ボードを見つめる4人">
Aチーム「約1700枚の画像を可愛いか可愛くないかに分類中です」
多治見「上半身が写っている写真が多いので、顔だけの画像を集めた方が精度が上がると思いますよ！」
弊社社員からのアドバイスも入ります。
Bチーム「一文字、「あ」の画像のデータセットがあったので、綺麗か汚いかをメンバで手分けしています」
多治見「文字の周りの空白を無くし、きわきわの画像がいいかも！」
Cチーム「画像枚数はそこまでないけれど、DeLTA-Liteでトレーニングをはじめました！」
おぉ、はやい！
学習データが集まってきたので、各チームDeLTA-Liteにアップロードし、構築を走らせたところで1日目は終了！
<pre><code>- - - - - - - - - - - - - - - - - - - - 8&#x3C; ｷﾘﾄﾗﾅｲ - - - - - - - - - - - - - - - - - - - -
</code></pre>
夜が明けて、2日目。
モデル構築の終わっているチームは早速DeLTA-Kitにモデルデータの入ったSDカードを挿入し、望んでいた結果通りに動くか検証をはじめます。
<img src="/images/posts/events/kit-hackathons/IMG_8631-450x600.jpg" alt="Bチームの後ろ姿" title="Bチームの後ろ姿">
こちらは「字が綺麗か汚いか」を判別するBチーム。紙にいくつか「あ」を描き、綺麗か汚いかカメラで撮影すると、Deep Learningによる判別がリアルタイムで画面に表示されます。写真に書いてある「あ」はどれも「汚い」と分類されてしまうようで、綺麗な「あ」ってどう書くんだっけ、綺麗に書くの難しくない？と頭を抱えそうになっていました..........が！！ここで学生ひらめきます。持ってきたものは「あ」と表示した PCの画面。「綺麗」と表示され「おぉーー！」と歓声が上がります！やったー！！！
Aチームはモデルの画像が多すぎて一晩ではモデル構築が終わらず、弊社が準備した笑顔かどうかを判別するモデルを用いて検証を行なっていただきました。Cチームからは歓声と笑い声が聞こえてきます。気になりすぎて夜も眠れそうなので、各チーム発表をしていただきました。
<img src="/images/posts/events/kit-hackathons/IMG_8635-630x355.jpg" alt="Aチームの発表の様子" title="Aチームの発表の様子">
まずはAチーム。惜しくもモデル構築に時間がかかってしまいオリジナルモデルを動かせませんでしたが、学習データの構築で相当な盛り上がりを見せてくれました。10人の中から3人選ぶことを何回か繰り返すことで学習データを作成し、好みの顔を知り、ユーザの中から最も好みに近い相手を提案するアプリなどに応用できればと話していただきました！
<img src="/images/posts/events/kit-hackathons/IMG_8640-630x355.jpg" alt="Bチームの発表の様子" title="Bチームの発表の様子">
次にBチーム。手書きの「あ」の綺麗か汚いかを判別するモデルを構築していただきました。目標としていた精度7割を達成したのですが、綺麗な「あ」を書けるようになるのは難しかったようで、指差している「あ」が最も綺麗な評価だったとのこと。小学生や書き文字を覚えてきた人に向けた硬筆練習に役立てればと語っていただきました！
<img src="/images/posts/events/kit-hackathons/IMG_8642-630x355.jpg" alt="Cチームの発表の様子" title="Cチームの発表の様子">
最後にCチーム。山で動物に遭遇した時や、動物園で確認できればという思いで「肉食か草食か」を判別するモデルを構築していただきました。柄が似ている動物は判別がしにくいとのこと。ちなみにこちらのモデルを使って、人を認識するとどうなるか試したところ、「1、2、3、ダー！」で有名な彼は肉食、いかにも草食系な見た目の男性では草食とラベル付けされました笑。
発表のあと、COO渡辺に呼び出される、秋花粉症で死んでいるカメラマン兼この記事を書いている飛永。何も言われず、USBカメラを向けられ
渡辺「ふっwww肉食wwwww」
と笑われる結果に。いや、そうでしょう？私、肉食系女子。好きな食べ物は肉（本当は野菜）。肉を肉で巻いて（本当は焼肉をサンチュで巻いて）食べる肉食系肉ですよ！肉食と表示されるのも納得ですね！ははっ！なんだか悔しいので、このモデルを使って社員の顔写真で試すことを心に誓いました。
というオチで2日間にわたるハッカソンが終了しました。
<pre><code>- - - - - - - - - - - - - - - - - - - - 8&#x3C; ｷﾘﾄﾗﾅｲ - - - - - - - - - - - - - - - - - - - -
</code></pre>
このハッカソンを機に、授業でDeLTA-LiteやDeLTA-Kitを使ってみたいという声をいただきました！ありがとうございます！！
学生でも簡単にモデル構築のできるDeLTA-Lite、構築したモデルをすぐに試すことのできるDeLTA-Kitを授業で、会社で、お家で、ぜひ検討していただけると幸いです。また、今回のようにハッカソンを行うことももちろん可能です。沖縄から北海道まで全国どこでも行きますので、ぜひ<a href="https://leapmind.io/contact/">お問い合わせ</a>ください！

金沢工業大学でハッカソンを行いました

8月31日にLeapMindで初となるカンファレンスDeLTA TECHを開催しました！
100名を超える参加者にご来場いただき、大盛況のイベントとなりました。
本記事では、そのDeLTA TECHの様子をダイジェスト版でお送りします。
<img src="/images/posts/events/deltatech/IMG_8879.jpg" alt="聴講する人々" title="聴講する人々">
今回のイベントのテーマは「Industry 4.1」。
"4.1"には、第4次産業革命をコンセプトだけで終わらせず、その一歩先へ歩みを進めるという意味を込めました。
明日から使えるAIを知るカンファレンスとして、第一部では、開発・技術編として弊社エンジニアが、
弊社ソリューション群「DeLTA-Family」を支える技術やディープラーニングの圧縮に必要な根幹のコア技術について講演しました。
まず、トップバッターは、プロダクトマネージャーの安村さん。
ちなみにイベント日がたまたま誕生日でした。（めでたい）
<img src="/images/posts/events/deltatech/IMG_8812.jpg" alt="講演中の安村さんとスクリーン" title="講演中の安村さんとスクリーン">
Industry 4.1を実現するためには、"Deep Learning on Edge"が鍵。
そのためには、データ作成からモデル構築、ハードウェアへの実装、保守・運用までワンストップで行える「DeLTA-Family」エコシステムが重要になるという話から推論速度や精度、モデルサイズなどの実際の数値比較を用いて、「DeLTA-Family」のコア技術の紹介をしました。
▼講演資料はこちら
<a href="https://www.slideshare.net/leapmind/20180831-delta-tech-deltafamilyindustry41-113021238">https://www.slideshare.net/leapmind/20180831-delta-tech-deltafamilyindustry41-113021238</a>
次に、DeLTA-Familyの１つであるモデル構築ソリューション「DeLTA-Lite」を支える技術としてWebアプリケーションエンジニアの藤原さんが登壇。
<img src="/images/posts/events/deltatech/IMG_8859.jpg" alt="マイクを持って話す藤原さん" title="マイクを持って話す藤原さん">
"機械学習システム×マイクロサービスアーキテクチャ"をキーワードに、機械学習システムのよくある困りごとをどのように解決するか、それを踏まえて、DeLTA-Liteはどのようなシステム構成や開発体制になっているかについて話しました。
▼講演資料はこちら
<a href="https://www.slideshare.net/leapmind/20180831-delta-tech-deltalite-113021874">https://www.slideshare.net/leapmind/20180831-delta-tech-deltalite-113021874</a>
3番目はフルスタックエンジニアの脇坂さん（<a href="https://twitter.com/rui_mashita">@rui_mashita</a>）。「深く青い脂」というかなり印象的な講演タイトルでしたが、実は脇坂さんの好きな小説「青い脂」のオマージュでした。
<img src="/images/posts/events/deltatech/IMG_9046.jpg" alt="マイクを持って話す脇坂さん" title="マイクを持って話す脇坂さん">
スライドに（それっぽい図を入れる）と書き残したまま登壇して笑いをとっている場面もありましたが、
講演の中身は、LeapMindのコア技術においてもかなり重要なニューラルネットワークの量子化(Quantization)の技術の話でした。
そもそもなんで量子化するのかという話からいつどうやって量子化するのか、LeapMindではどんな手法で量子化を行っているかについて紹介しました。
▼講演資料はこちら
<a href="https://www.slideshare.net/leapmind/20180831-delta-tech-113274731">https://www.slideshare.net/leapmind/20180831-delta-tech-113274731</a>
1部の最後はコンパイラエンジニアの今井さん。「講演資料をおととい急遽差し替えました」という発言で冒頭から笑いとざわつきを獲得。笑
<img src="/images/posts/events/deltatech/IMG_9075.jpg" alt="話をする今井さんとスクリーン、聴講する人々" title="話をする今井さんとスクリーン、聴講する人々">
組込みディープラーニングにおける2つの課題「①モデルサイズが大きい」「②デバイス・ハードウェアが貧弱」をどのように解決していくかという話。
先程の脇坂さんの量子化の話は、モデル圧縮において１つの技術であり、他に「剪定（Pruning）」「共有（Sharing）」「蒸留（Distillation）」の４つありますという圧縮技術の紹介やFPGAを使ったアクセラレーションをどうやって実現するかという話を行いました。
▼講演資料はこちら
<a href="https://www.slideshare.net/leapmind/20180831-delta-tech-3-ai">https://www.slideshare.net/leapmind/20180831-delta-tech-3-ai</a>
また、第一部の講演については、EETimes Japanにて、記事化していただきましたのでぜひご覧ください。
<a href="https://eetimes.jp/ee/articles/1809/04/news038.html">https://eetimes.jp/ee/articles/1809/04/news038.html</a>
第二部では、ビジネス編として、今現在可能な技術活用についての考え方や実際のビジネス活用における組込みディープラーニングの課題を踏まえながら「DeLTA-Family」でどう解決するかについて講演しました。そして最後には弊社CEO松田より、LeapMindの今後の展望について発表しました。
2部の最初は、CROの兼村さん。「シンギュラリティなんて来ねえよ、2018年夏。」というパワーワードなタイトルで私自身も講演を楽しみにしていました。
<img src="/images/posts/events/deltatech/IMG_9223.jpg" alt="マイクを持って話す兼村さん" title="マイクを持って話す兼村さん">
1970年代の「自動運転（無人バス）」や1960年代の「人工頭脳テレビ」を振り返り、いまどこまで実現していますか？と語りかけ、AIは技術を指す言葉ではない、技術内容を理解して地に足のついた開発をしよう、など研究者として今後どう研究・ビジネスしていくべきかについて説きました。
※講演資料は後日公開
次は、FAEの野尻さん。1部で講演していた組込みディープラーニング技術をビジネスとしてどう活用していくかという最新の動向やエコシステムである「DeLTA-Family」の活用方法、パートナープログラムの紹介をしました。
<img src="/images/posts/events/deltatech/IMG_9314.jpg" alt="マイクを持って話す野尻さん" title="マイクを持って話す野尻さん">
▼講演資料はこちら
<a href="https://www.slideshare.net/leapmind/20180831-delta-tech-aideep-learningdelta">https://www.slideshare.net/leapmind/20180831-delta-tech-aideep-learningdelta</a>
最後の講演は、CEOの松田さん。LeapMindは、どのような世界を実現したいのか、その世界の実現のためにどのようなことを行っていくかについて話しました。
<img src="/images/posts/events/deltatech/IMG_9371.jpg" alt="マイクを持って話す松田さん" title="マイクを持って話す松田さん">
DeLTA-FamilyのDeLTAは、実はいろいろな意味がこめられているのですが、Deep Learning of Things Architectureの頭文字であり、α・β・γと続き4番目がΔなので、第4次産業革命をLeapMindが起こすというストーリーもあります。
LeapMindは、このDeLTA-Familyのエコシステムをはじめ、様々な技術を開放することで、Deep LearningにおけるFPGAのエコシステムをつくり市場を成長させていきます。
講演の他にも受付には、モデル評価キット「DeLTA-Kit」の展示や、
<img src="/images/posts/events/deltatech/Dl5-isMU8AA4XAt_large.jpg" alt="並べられたモデル評価キット" title="並べられたモデル評価キット">
FPGAを用いた顔検出のデモ展示などを行っていました。
<img src="/images/posts/events/deltatech/IMG_8654.jpg" alt="FPGAを用いた顔検出のデモ展示" title="FPGAを用いた顔検出のデモ展示">
この顔検出のデモで用いていた技術については、先日プレスリリースでも発表しました。
<img src="/images/posts/events/deltatech/main-4.jpg" alt="表示用PCとDE10-NanoボードとUSBカメラ" title="表示用PCとDE10-NanoボードとUSBカメラ">
今後、以下の9月のイベントでも性能を体験できるデモとして展示しますので、ご来場の際はぜひお立ち寄り下さい。
<ul>
<li>「デロイト トーマツ イノベーションサミット」</li>
</ul>
9月11日（火）東京国際フォーラム　Hall B7
URL：<a href="https://eventregist.com/e/dtis?lang=ja_JP">https://eventregist.com/e/dtis?lang=ja_JP</a>
<ul>
<li>「Design Solution Forum 2018」</li>
</ul>
9月12日（水）パシフィコ横浜アネックス・ホール
URL：<a href="https://dsforum.eventcloudmix.com">https://dsforum.eventcloudmix.com</a>
<ul>
<li>「インテル® FPGA テクノロジー・デイ 2018 」</li>
</ul>
9月21日（金）ホテル雅叙園東京
URL：<a href="https://www.intel.co.jp/content/www/jp/ja/events/fpga/overview.html">https://www.intel.co.jp/content/www/jp/ja/events/fpga/overview.html</a>
また、組込みディープラーニングの実ビジネス適用セミナーを開催しています。
組込みディープラーニングや「DeLTA-Family」の理解がさらに深まるかと思いますので、ぜひご参加ください。
日時：9月19日（水）
場所：LeapMind本社
DeLTA TECH、第2回もあるかも・・・？
<img src="/images/posts/events/deltatech/Image-from-iOS-3.jpg" alt="DeLTA TECHの集合写真" title="DeLTA TECHの集合写真">
お・わ・り

【イベントレポート】DeLTA TECH を開催しました

コンピュータビジョン研究のトップ国際会議である<a href="https://cvpr2018.thecvf.com/">IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)</a>が、2018年6月18日から22日の日程でアメリカ合衆国ユタ州のソルトレイクシティで開催され、CVPR併催のワークショップの1つであるDeep-Vision Workshopに、LeapMindの下記の論文が採択されました。以下より論文原稿とポスターをご確認くださいませ。
N.Loebroks, P. Suwavithaya, I. Schwende, M. Simic, and E. G. Magambo, “Comparison of deep learning models for semantic segmentation on domain specific data in food processing,” CVPR Deep-Vision Workshop, 2018.
<hr>
タイトル：物体領域分割を行うDeep Learningモデルの食品加工分野における比較
概要：画像に写っている物体を認識するのみならず、画像をピクセル単位で物体が写っている領域に分割するセマンティックセグメンテーションは、これまで、一般的な画像データに対して検証されてきましたが、様々な特定の分野においてどう有効に働くかは明らかになっていませんでした。そこで、本論文は、食品加工分野のデータに対してセマンティックセグメンテーションを実施し、複数のDeep Learningモデルの性能を明らかにしました。
<img src="/images/posts/events/cvpr2018/20180619_194232-1300x1052.jpg" alt="/images/posts/events/cvpr2018/20180619_194232-1300x1052.jpg" title="Deep-Vision Workshopに展示されているポスターと、弊社エンジニアのパトリック（P. Suwavithaya）、リサーチャーのニコラス（N.Loebroks）">
Deep-Vision Workshopに展示されているポスターと、弊社エンジニアのパトリック（P. Suwavithaya）、リサーチャーのニコラス（N.Loebroks）です。
*<a href="https://cvpr2018.thecvf.com/">CVPR</a>は、ICCV、ECCVとともにコンピュータビジョン研究のトップ会議で、世界中の研究者が毎年一堂に集まり研究討論を行います。CVPR 2018では、3,300件以上の投稿論文の中から採択された979件の論文が発表されます。加えて、21のチュートリアル、48のワークショップ、博士コンソーシアム、および115以上の企業による出展が催されます。
======
Title: Comparison of deep learning models for semantic segmentation on domain specific data in food processing
Abstract: Although convolutional neural networks (CNNs) have set the state-of-the-art for semantic segmentation, reported results are usually limited to specific public datasets covering indoor/outdoor scenes or the medical domain. In this work we showcase the effectiveness of CNNs on a challenging dataset from the food-processing domain, comparing two different architectures with different pre-training and data augmentation techniques.

コンピュータビジョン研究の国際学会 CVPR 2018 ワークショップに論文が採択されました。

2017年10月11日（水）に御茶ノ水ソラシティ カンファレンスセンターにて開催された「インテル® FPGA テクノロジー・デイ 2017」にブース出展およびCEOの松田が登壇しました。
■インテル® FPGA テクノロジー・デイ 2017
市場の変化に迅速に対応できる柔軟性、高い電力効率と低遅延、またアルゴリズムのアクセラレーターとして演算処理を高速化できることから、FPGAへの注目はますます高まり、幅広い分野での採用が加速しています。
インテル® FPGA 製品およびソリューションの最新情報を、講演とパートナー 20社によるデモ展示でご紹介いたします。
インテル® FPGA テクノロジー・デイ 2017のURLはこちら
■当日の様子
CEOの松田が、日本アルテラ株式会社のパートナーとして、未来をアクセラレート ～データセンターからIoTまでのセッションにて、さくらインターネットや長瀬産業、WASAIなどとともに登壇いたしました。
主に弊社の組込み向けのディープラーニングのソリューションや今後の展望などについて講演しました。
また、弊社ブースでは、「JUIZ DoT」を使用したデモなどをいくつか実演しました。
<img src="/images/posts/events/1219/22310470_1233615453451682_3684454047926282272_n.jpg" alt="">
展示していた「JUIZ DoT」の事前情報はこちらから確認できますので、ご来場できなかった方もぜひご覧ください。
JUIZ DoT

Events