リアルタイムエッジAI: スキンケア検出アプリ

目次

1. はじめに
2. リアルタイムエッジAIの概要
3. アイデアからモデルの構築まで
4. デモの実行
5. モデルの変換とデバイスへの展開
6. Xamarinアプリの作成
7. ハイパーパラメータの最適化
8. Core MLとは
9. モデルの予測と推論
10. まとめ

🤔はじめに

AI Showの今回のエピソードでは、Anusua Trivediさんとともに、インテリジェントエッジについて話します。具体的には、リアルタイムエッジAIに焦点を当てて、Azure上でのモデルの構築からデバイスへの展開までを解説します。

🌟リアルタイムエッジAIの概要

リアルタイムエッジAIは、クラウドではなくデバイス上でモデルを実行する技術です。例えば、今回のプロジェクトでは、スキンケアの例を取り上げ、AIアシスタントを開発しています。

スキンケアの重要性は誰もが理解するところですが、医師と患者の人数の比率が非常に大きい場合、患者の優先順位を確定することは困難です。しかし、スキンケアは時間の経過とともに状態が変化するため、AIアシスタントを活用することで、スキンケアの段階を検出し、医師への受診の有無を提案することができます。

このプロジェクトでは、クラウド上でモデルを構築し、Edgeデバイスに展開する方法を紹介しています。

✨アイデアからモデルの構築まで

このプロジェクトでは、カーサモデルを使用して、Azure上でモデルを構築しました。モデルの訓練には、肌がんの画像を含むデータセットを使用しました。また、ハイパーパラメータの最適化にも時間をかけています。

モデルの構築が完了したら、モデルの予測と推論を行うためにPythonを使用しました。予測結果は、スキンケアの分類に基づいて医師への受診の有無を判断しています。

🎥デモの実行

デモでは、写真とビデオの2つのアプリを紹介しています。写真アプリでは、事前に画像をロードし、それぞれの画像に対して予測を行っています。ビデオアプリでは、リアルタイムに映像を入力し、予測を行っています。

ユーザーは、AIアシスタントの予測結果に基づいて、医師への受診の判断を行うことができます。

📱モデルの変換とデバイスへの展開

モデルの変換とデバイスへの展開には、Core MLを使用しています。Core MLは、Appleのパッケージ圧縮技術であり、モデルの重みを圧縮して、どのデバイスでも実行できるようにします。

モデルの変換では、Core MLのコンバーターを使用し、KerasモデルをCore ML形式に変換します。その後、Xcodeを使用して変換したモデルをアプリに組み込みます。

Xamarinを使用して、モデルをアプリにドロップするだけで、予測と推論を行うことができます。

🧪Xamarinアプリの作成

Xamarinアプリの作成は非常に簡単です。既存のサンプルアプリを使用し、数行のコードを変更するだけで、カスタマイズされたアプリを作成することができます。スキンケアの代わりに果物の分類を行いたい場合でも、簡単に変更することができます。

⚙️ハイパーパラメータの最適化

モデルの訓練において、ハイパーパラメータの最適化は非常に重要です。ハイパーパラメータとは、学習率やモデルの最適化方法などの調整に影響を与えるパラメータのことです。

ハイパーパラメータの最適化には、試行錯誤が必要です。データサイエンティストとして、自分のモデルに適切なハイパーパラメータを見つけるためには、時間と努力が必要です。

🔍Core MLとは

Core MLは、iOSやmacOSなどのAppleデバイス上で機械学習モデルを実行するためのフレームワークです。Core MLを使用することで、あらゆるモデルを簡単に展開することができます。

Core MLは、モデルの依存情報を圧縮し、デバイスで実行できるようにします。モデルの展開にはさまざまな形式がありますが、Core MLはその一つです。

🤖モデルの予測と推論

モデルの予測と推論は、Xamarinアプリ上で行われます。アプリは、モデルを呼び出し、スキンケアの分類に基づいて、予測結果を表示します。

予測結果に基づいて、ユーザーは医師への受診を判断することができます。このプロジェクトでは、スキンケアの予測と推論を行っていますが、他の分類問題にも応用することができます。

📝まとめ

本記事では、リアルタイムエッジAIについて解説しました。Azure上でモデルを構築し、デバイスへの展開までを紹介しました。また、Xamarinアプリの作成方法やハイパーパラメータの最適化についても触れました。

リアルタイムエッジAIは、医療分野などさまざまな場面で活用されることが期待されます。AIアシスタントを使用することで、効率的な診断や治療が可能となります。

以上が本記事の概要です。次のセクションでは、より具体的な内容について詳しく解説していきます。

【参考リンク】

• Azure GitHub: GitHubリポジトリ
• Azureドキュメント: Azureドキュメント