表で分かる、ディープラーニングと従来の画像認識の違い：分かったつもり？ AI画像認識

ディープラーニングを使った画像認識は、従来の方式と何が違うのでしょうか。現場の技術レベルや認識対象の特長といった項目ごとに、表で説明します。さらに、ディープラーニングを使うべきではないケースについてもお伝えします。

[パナソニック ソリューションテクノロジー]

監修：中尾雅俊

パナソニック ソリューションテクノロジー AI・アナリティクス部ソリューション推進課 主事

2017年にNVIDIAとの協業を担当したことを皮切りに、AI・データ分析中心の業務を推進。初期投資や導入リスクが大きい、「人工知能の現場導入で失敗させない」活動としてセミナー講演など多数実施。受講者からは、「AIがよく理解できた」「そんなノウハウを話しても良いの」と心配されるほど。最近の趣味は実用を兼ねたDIYや果樹菜園など。

監修：矢嶋 博

パナソニック ソリューションテクノロジー　産業IoTSI部ソリューション推進課 係長

製造業向け「AI画像認識ソリューション」のSEとして、営業支援やPoC推進を担当。ソフトウェア開発からITインフラ構築まで、これまでの幅広い経験を生かし、AI画像認識システムの提案から導入、AI学習トレーニングまでを手掛けている。趣味の風景や家族写真撮影に加え、学習用画像収集をライフワークにしている。

　AIやAI画像認識に対する誤解を解きながら、AI画像認識の導入や活用を成功へと導くためのポイントを紹介する本連載。前回は、ディープラーニングの仕組みと特徴について解説し、「できること」「できないこと」があるというお話をしました。

　ディープラーニングを画像認識に活用する際は、必ず知っておかなければならない「3つの真実」があります。今回は、ディープラーニングを使った画像認識と従来方式の違いを整理した上で、1つ目の真実である「課題によっては、ディープラーニングを使わないほうがよい領域がある」ということについて説明します。

	3つの真実
真実その1	課題によっては、ディープラーニングを使わないほうがよい領域がある
真実その2	ディープラーニングの頭脳を育てるには相当の労力がいる
真実その3	画像認識だけでは、製造ラインの完全自動化は難しい