こんにちは。エンジニアライターの小原です。

連載「現場にコミットする機械学習ノート」では、論文を詳しく読み解きながら、現場で使えるAI実装のヒントを記録していきたいと思います。

前回の記事では、「土地分類の一般化」を扱いました。今回は、韓国のKyung Hee大学のDonghyun Parkらが2018年6月に発表した「エッジデバイスで動く異常検知システム」に関する論文を扱っていきます。

エッジデバイスで機械学習アルゴリズムを走らせることをエッジAIということがあります。以下の企業がその分野で活躍しているようです。

• パナソニック：
  空港の顔認証ゲートなどを開発しています。セキュリティカメラ本体の演算処理を向上させて、AI画像認識処理を実現しました。
• CyberLink Corp.：
  顔認証エンジン「FaceMe®」を開発しています。
• AWS：
  コンパクトで堅牢なエッジデバイス「Snowcone」の提供を開始しています。ティッシュ箱サイズのケースにデータ暗号化や通信機能を備えているようです。
• Microsoft：
  IoTソリューション「Azure IoT Hub」の関連製品として「Azure Stack Edge Rugged series」を発表しています。 ショルダーバッグにも入れて持ち運べる弁当箱のような形状のようです。

商用的な注目を集めている機械学習関連の大きな開発分野と言ってもいいでしょう。「異常検知」の機能においてはどのような開発がアプローチとして有効なのでしょうか。以下を見てみましょう。

もくじ
1章　クラウドコンピューティングの課題
2章　LSTMベースの異常検知アルゴリズム
2.1　研究手法
2.1.1　データ
2.1.2　提案システム
2.1.3　リアルタイム故障検出器
2.1.4　故障検出アルゴリズム
2.1.5　故障モニター
2.2　研究結果
2.2.1　3種類のアルゴリズムとの性能比較

■前回の記事：【vol.5】土地分類の一般化

【現場にコミットする機械学習ノート・バックナンバー】

【vol.1】ウェハーの欠陥の分類
【vol.2】うつ病の分類
【vol.3】RNNによる農地作物の分類 #農業DXシリーズ
【vol.4】CNNによる土地の分類 #農業DXシリーズ
【vol.5】土地分類の一般化 #農業DXシリーズ
【vol.6】エッジデバイスで動く異常検知システム
【vol.7】エッジAIで異常を早期警告」
【vol.8】監視カメラ映像から危険物を検出
【vol.9】冬の画像を夏の画像に変換するAI技術
【vol.10】フルHDのアイトラッキング
【vol.11】可視光データで洪水状況を把握
【vol.12】衛星データとGoogle Earthエンジンで洪水を把握
【vol.13】音響を深層学習で船舶の種類を分類
【vol.14】キャベツ苗の欠陥を識別

すべてのバックナンバーはこちら