2018年7月13日

Deep Learningモデル構築のための学習データ作成支援ソリューション「DeLTA-Mark」提供開始

プレスリリース

cover

〜 ディープラーニングモデル構築に必要となる大量で高品質な学習データ作成をサポート 〜

ディープラーニング技術を活用する企業に向けたソリューションを提供するLeapMind株式会社(所在地:東京都渋谷区、代表取締役CEO:松田 総一、読み方:リープマインド、以下LeapMind)は、ディープラーニングモデル構築のための学習データ作成支援ソリューション「DeLTA-Mark(読み方:デルタマーク)」を本日より提供開始いたします。

「DeLTA-Mark」概要と背景

本プロダクトは、ディープラーニングモデル構築のための「学習データ」(※1)の作成を支援するソリューションです。「学習データ」を作成する際には、作成に用いるデータ数が少なかったり、正解ラベルの付け方が統一されていなかったりすると、どんなに「学習用プログラム」(※2)を磨いても、高品質(※3)なディープラーニングモデルの構築は実現できないという課題があります。大量・高品質な「学習データ」を用意するためには、複数の作業者で平行して アノテーション(※4)を実現できる仕組みが必要です。本プロダクトは、複数の作業者への割当てと、管理者による作業結果確認の承認フローを回すことによって、作業の一元化・均一化・効率化の3つを実現し、ディープラーニングモデルの構築に必要な大量で高品質な「学習データ」を作成する際の課題を解決いたします。 本リリース時はクラウド版でのご提供となりますが、データを自社環境内に留めておきたいというお客様向けに、オンプレミスでのご提供も予定しております。さらに、ディープラーニングに取り組む弊社だからこそできる、ディープラーニング技術を用いた「自動アノテーション機能」のご提供も予定しております。

詳細はこちらをご覧ください。

※1:アノテーション済み(正解のラベルが付与された状態)の「学習に使用するデータ」を指しています。 ※2: ディープラーニングモデルを構築するためのソースコードを指しています。 ※3: 未知のデータの予測に対し、期待する認識結果が得られる状態を高品質と表現しています。 ※4: アノテーションとは、データに正解のラベルを付与することを指しています。これにより、ディープラーニングモデルに必要な「学習データ」が用意できます。

「DeLTA-Mark」が解決する課題

アノテーション作業の一元化、均一化・効率化の仕組みを提供します。

大量・高品質な「学習データ」の作成を支援します

LeapMindが保有する技術について

LeapMindは、電力が限られた小さなコンピューティング環境でもディープラーニングが稼働する技術を保有しており、モデル構築からモデル圧縮、ハードウェア上への実装までをワンストップで実現します。

(1)独自のディープラーニングアルゴリズム

ディープラーニングにおける計算量を圧縮し、FPGAのような小さなコンピューティング環境でもディープラーニングの威力を最大限発揮させる独自アルゴリズムの研究を行っています。

(2)ディープラーニングに対する最適なハードウェアアーキテクチャ

ニューラルネットワークをデジタル回路上で動作させることにより、FPGAをはじめとする小型デバイスでも省電力かつ高効率でディープラーニングの計算が出来る独自アーキテクチャの研究を行っています。

LeapMindの技術詳細はこちらをご覧ください。

私たちは今後も、複雑になりがちなディープラーニングをコンパクト化することで、「Deep Learning of Things (DoT)」の世界を実現し、豊かな社会を目指してまいります。

会社概要

LeapMind株式会社 本社:〒150-0044 東京都渋谷区円山町28-1 渋谷道玄坂スカイビル5F 代表者:代表取締役CEO 松田 総一 設立:2012年12月 URL:https://leapmind.io DeLTA-Lite 公式サイトURL: https://delta.leapmind.io/lite/ DeLTA-Kit 公式サイトURL:https://delta.leapmind.io/kit/ DeLTA-Mark 公式サイトURL:https://delta.leapmind.io/mark/

本リリースのPDFはこちらです。