対象は人だけじゃない。「非人体キーポイント検出」の可能性と実例 2020.12.15 株式会社Laboro.AI　リード機械学習エンジニア　濱本 雅史 概　要 姿勢推定や骨格検出に利用されるキーポイント検出について、その全体像と代表的なアプローチをご紹介した 前回 。その際、キーポイント検出が人体だけでなく「非人体」にも応用できることに触れました。今回のコラムでは、人体に比べて行われることが少ない「非人体キーポイント検出」を実際に行った例をご紹介するとともに、その特有の課題について考えていきたいと思います

FORCIAアドベントカレンダー2020 12日目の記事です。 弊社はこれまで PostgreSQL を利用した高速なスペック検索をコアコンピタンスとしてきましたが、今後はドキュメント検索にも注力していく予定です。OSS のドキュメント検索エンジンといえばまず思いつくのが Elasticsearch です。PostgreSQL と比較されることの多い Elasticsearch ですが、今回は特に日本語処理の周りを技術的にやや深めに比較してみたいと思います。 本記事はPostgreSQL についてある程度

FORCIAアドベントカレンダー2020 7日目の記事です。 検索プラットフォーム部エンジニアの吉成です。 普段の業務では理化学機器などを取り扱うECサイトを担当しています。 フォルシアは以前より、旅行系サイトやECサイトなどにおける、膨大かつ複雑なデータの高速検索を得意分野としてきました。 さらに近年では、検索に関連する周辺技術にも注目して開発に取り組んでいます。 人間が話したり書いたりする「ことば」をコンピュータに処理させる「自然言語処理」もそのうちの1つです。 フォルシアアドベントカレンダー2020

TV 録画から自動構築した音声コーパス 『LaboroTVSpeech』を公開 2020.11.19 株式会社Laboro.AI　代表取締役CTO　藤原 弘将 機械学習エンジニア　安藤 慎太郎（現：東京大学大学院工学系研究科） 概　要 Laboro.AIは、 当社の研究開発として、TV録画から長時間音声と字幕テキストを抽出して音声コーパスを自動構築する独自システムを用い、約2,000時間に及ぶ音声データから構築した日本語音声コーパス『LaboroTVSpeech（ラボロティービースピーチ）』を開発し、学術

みなさま、はじめまして。AI戦略室の嶋村です。 我々AI戦略室では、機械学習・深層学習・数理最適化・時系列解析・画像処理・自然言語処理などの技術を活用した様々な研究開発プロジェクトを推進しています。私はそれらのプロジェクトを統括する研究開発マネージャの立場にいます。 今回、LIFULL全社に対して研究開発成果を大々的に公開する『AI成果展示会』を開催しました。その目的や内容、どのような反響を得たのか、皆さまにご紹介します。 AI戦略室とは？ はじめに、AI戦略室について簡単に紹介をさせて下さい。 AI戦略

“木を見て森を見る”ように。「キーポイント検出」を解説 2020年10月7日 機械学習エンジニア　濱本 雅史 概　要 画像に写っている人などの対象物の特徴点を検出する「キーポイント検出」は、画像解析の領域でも主要なトピックの一つです。オープンソースで公開されているモデルも多くあるほか、ビジネスシーンでも人体等の骨格検出や姿勢推定に利用されるなど多くの事例が生まれています。 このコラムでは、キーポイント検出の概要と、そこで用いられる代表的な手法について最新の研究も踏まえてご紹介していきたいと思います。 目　

サーバーワークスでは代表電話で Amazon Connect を利用しています。 Amazon Connectですもの、もちろん通話録音をしています。 せっかくなので録音した音声ファイルをAmazon Transcribeでテキスト化して、Amazon Comprehendで各種情報を抽出してSlackに投稿しています。 サーバーワークスの電話業務要件としてはテキスト化や自然言語処理はまったく必要ないのですが、そこに技術があれば試していくのがわたしたちサーバーワークスです。 さて、本題からそれてしまいまし

こんにちは。主に BUYMA の検索周りを担当しているエンジニアの伊藤です。 BUYMA ではSolrを利用した検索システムがいくつかあります。 BUYMA の検索というと検索ボリュームが一番大きな商品検索を想像されると思いますが、 今回はデータボリュームが一番大きい検索システムをターゲットとして、インフラ周りを含め全面的にシステムの刷新を行いました。 ここでは、 既存の検索システムがどういったものだったのか なぜシステム更改が必要だったのか(どういう課題があったのか) 更改後の検索システムはどういったも

FORCIA アドベントカレンダー2019  24日目の記事です。 こんにちは。24日目のアドベントカレンダー記事を書かせて頂きます、20卒エンジニア採用内定者の照沼です。 この記事が公開されているであろう12/24のクリスマスイブですが、皆様いかがお過ごしでしょうか。 私はおそらく精神と時の部屋にて絶賛修士論文の執筆最中だと思います。･･･早く卒業したい！ さて、技術記事が中心のこの場で何を書こうか非常に迷ったのですが、フォルシアにとって初の試みであったというサマーインターンを経由して内定を頂

初めまして。今年度新卒入社の mako _makokです。最近実家に帰って水族館でペンギンを見てきました。 今回は 全文検索エンジン のコア機能の一つであるAnalyzerについて書いていきたいと思います。 はじめに 検索エンジンの仕組み Analyzerとは 前準備 Char filter Tokenizer Token filter おわりに はじめに 私は現在、個人的に 全文検索エンジン 学習をしています。 以前までは諸事情で Apache Solrをやっていたのですが、以下の理由からElastic

AWSではマネージドな機械学習サービスが様々提供されています。 ComprehendやTranscribe等で、ユーザーがInputを与え簡単に機械学習で予測することはもちろん、SageMakerで しかし、私のような機械学習初心者からすると、いきなりSageMakerを使うのはハードルが高く、ComprehendやTranscribeでできる範囲で予測を行うにとどまってしまいます。 ということで、AWSのサービスを使いつつ、ざっくり機械学習についてできることを増やしていこうというのがこの記事の目的です。

この記事は Enigmo Advent Calendar 2018 の19日目の記事です。 はじめに ネタ何にしようかなぁと思って、 カジュアルな感じでかつ単発で終わるようなもの 検索、 自然言語処理 関連で何か 年末的な何か ということを踏まえて、 Qiitaチームに日々挙げている自分の作業日報を可視化して2018年の振り返りをしてみることにしました。 私が エニグモ に入社したのが今年の2月なので、正確には1年ではないですが、 細かいことは気にせずいきたいと思います。 作業フロー 作業フローとしては、

こんにちは。スタートトゥデイ研究所の真木です。 8月5日から8月8日にかけて開催されたMIRU 2018という学会に行ってきました。また、5月下旬から約2か月間にわたって実施されてきた「MIRU若手プログラム」という 若手研究者同士 の交流プログラムにも参加してきたので、今回はその報告をします。 MIRUとは MIRUは正式名称を「画像の認識・理解シンポジウム」といい、21回目となる今年は札幌で開催されました。画像に関する研究の基礎から応用までがスコープに含まれ、この分野の学会としては 国内最大規模 です

こんにちは、技術3課の峯です。 今回はAmazon Comrehendで分析を実行する3つの方法についてご紹介します。 Amazon Comprehendとは そもそもAmazon Comprehendとはどういったサービスでしょうか？Amazon ComprehendはAWSが提供する自然言語処理サービスです。APIを叩くだけで簡単に言語・エンティティ・キーフレーズ・感情・構文を分析でき、またTopic Modelingを行うこともできます。分析にかけらる言語は、「言語」の分析を除いて、英語とスペイン語

（Icon Credit *1 ） こんにちは。スタートトゥデイ研究所の後藤です。 今回は、集合を入力として扱うネットワークモデルの紹介をしたいと思います。機械学習の多くのモデルは、固定長の入出力や順序のある可変長の入出力を扱うように設計されます。画像データやテーブルデータは各サンプルの入出力の次元を合わせて学習しますし、自然言語処理のコーパスや時系列データは入出力の順序を保持して利用します。 その一方で、可変長で順序のない集合データを扱うモデルの研究は最近になって取り組み始められたばかりです。我々が研究