RIKEN, Medical Sciences Innovation Hub Program (MIH)•33.9K views
2. 宮戸岳 (https://takerum.github.io/) リサーチャー @ Preferred Networks, Inc. ● 04/2014-03/2016, 情報学修士 @ 京大 ● 01/2016-05/2016, インターン @ Google Brain ● 06/2016-08/2016, 研究技術員 @ ATR ● 09/2016-(now) ○ リサーチャー @ Preferred Networks, Inc. ○ 客員研究員 @ ATR 最近の興味: ● Generative Adversarial Networks (GANs) ● Semi-supervised and Unsupervised Learing on Neural Networks ● Learning on Extremely Large Distributed Systems htt
1日100万個以上流れるダイス型のポテトを1つ1つ、人の目で見分け、異物混入や不良品がないか確認していた――にわかに信じにくい話かもしれないが、これは実際に、大手食品メーカー、キユーピーの工場で行われている原料検査の作業だ。 「画像処理技術などを使った機械化を長年検討してきましたが、精度やコストの面で現実的ではありませんでした」 こう話すのは、キユーピーの生産本部で次世代技術担当次長を務める荻野武さんだ。ベビーフードの品質と“安心”を支えるために行われている業務ではあるが、スタッフの人海戦術では限界が来ており、増産のボトルネックになっていたという。そんな状況が今、「ディープラーニング(深層学習)」で大きく変わろうとしている。 膨大な原料検査にブレイクスルーを起こす「ディープラーニング」 キユーピーは原料検査の基準を厳しく設定している。特にダイスポテト(さいの目状にカットされたジャガイモ)の
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く