セキュリティ、マシンビジョンなど、カメラの開発や各種システム開発のことなら、ブリクセンにお任せください。

For development of cameras and various systems such as security, machine vision, please contact to Brixen Corp.

 Japanese   English

株式会社ブリクセン

Blixen Corporaton



深層学習 (Deep Learning) 機能とカメラシステム

Deep learning function and camera system

近年、機械学習(Machine Learning)の一つである多層ニューラルネットワークを利用した深層学習 (Deep Learning)を使って、「分類」,「回帰問題」,「クラスタリング」,「次元削減」などの分野や応用で、 従来の手法では得られていなかった成果を達成する事例が増えてきました。
弊社では、長年の画像処理、認識技術に加え、このDeep Learning機能を備えたカメラシステムの開発や ご相談を受け賜わっております。
この深層学習の成果は、深層学習フレームワークの普及が一因です。弊社は、カリフォルニア大学バークレイ校 のBLVC(Barkeley Vision and Learning Center)で開発されたディープラーニングのフレームワーク「Caffe」 を採用し、特に、CNN(Convolution Neural Network)などを用いて、「学習データ」、「テストデータ」、 「学習器」、「学習モデル」をご提供しています。

In recent years, using deep learning (Multi Layer Neural Network) which is one of Machine Learning, it is possible to use fields such as "classification", "regression problem", "clustering", "dimension reduction" In applications, cases have been increasing in achieving results that were not obtained by conventional approaches.
In addition to many years of image processing and recognition technology, our company have received the development and consultation of a camera system equipped with this Deep Learning function.

The result of this deep learning is partly due to the widespread use of the deep learning framework. We adopt a deep learning framework "Caffe" developed at the University of California, Berkeley, at the Barkeley Vision and Learning Center (BLVC). and we offer "Test data", "Learning instrument", "Learning model" in particular using CNN (Convolution Neural Network).

picuture picuture

利用分野

Field of use

1.分類 (Classification)

1. Classification

  入力したデータに対して、そのデータの属性や種類を返します。

  例 スパムメールなどの真偽判定

  For the input data, return the attribute and type of the data.

  Example: Determine authenticity of spam mail

2.回帰問題 (Regression)

2. Regression

  入力したデータに対してデータ群から値(線)を求める予測値を返します。

  例 株価の予測、天気予報

  Returns the predicted value that expects a value (line) from the data group for the input data.

  Example: Stock price forecast, weather forecast

3.クラスタリング (Clustering)

3.Clustering

  入力したデータのグルーピング結果(特徴・傾向)を返します。

  例 購買動向、行動分析など

  Returns the grouping result (characteristics and trends) of the input data.

  Example: Purchasing trend, Behavior analysis

4. 次元削減 (Dimensionality Reduction)

4. Dimensionality Reduction (Sparse)

  多変数のデータを精製し、情報量を損なわない低次元のデータを返します。

  画像データなどの多すぎる特徴量を削減します。

  Summarize multivariable data and return low dimensional data holding the original volume.

  Reduce the amount of features such as image data too much.

GPU (Graphic Processing Unit)

近年、グラフィックボードの処理能力は、目覚ましい進歩を遂げています。 その用途は、ゲームなどのリアルな高速描画機能に限らず、並列計算能力を 生かして、科学技術計算に使われる機会が多くなってきました。
特に、深層学習(Deep Learning)のモデルの算出に、GPUを活用する 事例が増えています。

GPUの選定に迷われたら、お問い合わせください。

In recent years, graphic board processing has made remarkable progress. It is utilized not only application is not limited to realistic high-speed drawing functions such as games, but also for scientific calculations by using parallel computing capability.
As a result, some examples of utilizing GPU to calculate deep learning model are increasing.

If you are unsure about GPU selection, please contact us.