「エッジデバイスで動く異常検知システム」現場にコミットする機械学習ノート【vol.6】

   

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

続きを読むには無料会員登録が必要です。


※ログイン/初回登録後、下記ボタンを押してください。

業界から探す

さらに学ぼう!

PAGE TOP