AI を含む記事
15億を超えるオブジェクトを持つS3バケットからデータを消すためのプロセスとテクニックを、『DRIVE CHART』の運用で実際に行ったケースに沿ってご紹介します。
AI技術開発部データサイエンスGの菊地です。今回の記事では次世代AIドラレコサービス『DRIVE CHART』を実現するためのデータ分析技術について、過去に執筆された内容をもとにまとめていきたいと思います。こちらの記事は画像認識編、AI運用技術編の続編となります。
タクシーアプリ『GO』のデータエンジニアをしている牧瀬です。Apache Arrow という OSS を知り、弊社でも活用できる機会があるのではないかと興味を持ちました。本記事では Apache Arrow の概要を紹介します。
AI技術開発部でコンピュータビジョン技術の研究開発を行っている鈴木です。GO株式会社は、2023年7月25日（火）から7月28日（金）の4日間浜松で開催された「MIRU2023（第26回画像の認識・理解シンポジウム）」のゴールドスポンサーを務め、企業ブースの出展及び研究発表を行いました。本多・宮澤・森本と共に参加してきましたので当日の様子やGOからの発表内容を紹介していきます。
2023年7月11日に「GO TechTalk #20 Deep Dive into AI - 次世代AIドラレコサービス編」（connpass）を開催しました。本記事では当日の内容を簡単に紹介します。
AI技術開発部の宇都です。GO株式会社では過去に発信した記事や発表資料をテーマごとにまとめる取り組みを行っています。今回はタクシーアプリ『GO』で利用されているETA(到着予測時間)における内製化の取り組みや精度・運用改善のための工夫についての記事をご紹介します。
スマートドライビング事業部の森本です。AI技術の発信強化の一環として、過去に発信した記事や発表資料をテーマごとにまとめる取り組みを行っています。今回は次世代AIドラレコサービス『DRIVE CHART』での本番環境、実験環境、エッジデバイスでのAIに関連した運用技術全般について紹介します。
大規模に収集されたドラレコの映像データは、様々な用途に利活用することができます。詳細を2023年2月に行われたイベント「5万台のドラレコを活用！大規模データ収集・機械学習基盤の全容」で紹介しています。こちらの「道路情報の差分抽出」に関するプロジェクトに関しては、違うまとめ記事の方で紹介したいと思います。AI技術開発部データサイエンスGの菊地です。今回の記事では次世代AIドラレコサービス『DRIVE CHART』を実現するための画像認識（コンピュータビジョン）の技術について、過去に執筆された内容をもとにまとめていきたいと思います。
AI技術開発部の老木です。今回、分析ログの増大が課題となりJSON型の導入を検討しました。分析ログをJSON化した際に問題となる配列の扱いについて紹介します。
2023年2月15日に「MoT TechTalk #16 MoT TechTalk 5万台のドラレコを活用！大規模データ収集・機械学習基盤の全容」（connpass）を開催しました。本記事では当日の内容を簡単に紹介します。
AI技術開発部の宇都です。Mobility Technologies (MoT)ではAI技術の発信強化の一環として、過去に発信した記事や発表資料をテーマごとにまとめる取り組みを始めました。本記事ではその第一弾としてタクシーアプリ『GO』のAI予約というサービスにおけるBigQuery, MLOps, 機械学習モデルの活用事例に関する記事・資料をまとめましたのでご紹介します。
AI技術開発部の鈴木達哉です。Mobility Technologies (MoT)ではドライブレコーダーから取得できる情報を元に道路上の物体を検出し、地図と比較することで現地と地図の差分を見つけ、地図を更新する『道路情報の自動差分抽出プロジェクト』を株式会社ゼンリンと共同で進めています。本記事ではドラレコ動画から道路標識を認識するAIの精度改善を機械学習モデルではなくデータの量と質に着目し実現した事例を紹介します。
この記事はMobility Technologies Advent Calendar 2022の22日目です。スマートドライビング事業部システム開発部AI基盤グループの石井です。この記事ではDRIVE CHARTの機械学習チームで採用している実験管理ツールであるClearMLについて紹介します。
この記事はMobility Technologies Advent Calendar 2022の21日目です。DRIVE CHARTではMoT統合以前よりDeNA時代からデータ作成時のアノテーションツールとしてNotaを利用しています。近年では多数のOSS版アノテーションツールが普及しています。本記事ではNotaの代表的な機能の紹介に加え、様々なコンピュータビジョンタスク用のOSSアノテーションツールについて紹介します。
この記事はMobility Technologies Advent Calendar 2022の20日目です。2022/10/26にAWS Autotech Forunm 2022にてDRIVE CHARTのAI開発を促進するための基盤づくりや日々増加するトラフィックに対して安定的にサービスを運用するためのアーキテクチャについて紹介しました。この記事ではその内容を踏まえ、AI開発基盤のこれまでの取り組みとこれからの将来像について紹介します。AWS Autotech Forunm 2022の発表資料は本記事後方に掲載しています。
こんにちは、東京電機大学システムデザイン工学研究科修士1年の江藤謙（@pictur_etoken）と申します。大学では深層学習における分布外データの挙動についての研究をしています。私は10月から11月の2ヶ月間（都合により実質的な勤務時間は1ヶ月）、MoT初となるインターンに参加しました。今回のインターンでは、道路情報の自動差分抽出プロジェクトにおける、標識検出の高速化というタスクに取り組みました。本記事では、その取り組み内容についてご紹介したいと思います。
AI技術開発部分析グループの佐竹です。 分析グループは、タクシーアプリ「GO」におけるデータドリブンなビジネス意思決定を行うために、様々なユーザ分析、乗務員分析を行っています。 今回は統計的因果推論の手法のうち、傾向スコアを用いた因果効果の推定について紹介します。
Kaggle Days x Z by HP World Championship Finalが2022年10月28日〜29日にスペインのバルセロナで開催され、MoTとDeNAからは、宇都・佐藤※1・菅原※1・秋山※2・阿部※2・坂見※2・島越※2・藤川※2・柳辺※2 が参加しました。
Mobility Technologies（以下MoT）は、2022年7月25日（月）から7月28日（木）の4日間開催された「MIRU2022（第25回画像の認識・理解シンポジウム）」のゴールドスポンサーを務め、企業ブースを出展しました。当日の様子を紹介していきます。
交通事故削減支援サービス『DRIVE CHART』のドライブレコーダー上で動作するEdge AIライブラリの開発担当の廣安です。今回は我々のチームで行った、入手可能なAIアクセラレータをいくつか選考して評価するという取り組みについて紹介したいと思います。
AI技術開発部の木村です。Mobility Technologies（以下MoT）では、画像認識モデル（主にニューラルネットワーク）の開発に加え、車載デバイス上でモデルをリアルタイムに動作させるための軽量化・高速化にも取り組んでいます。軽量化・高速化には、こちらの資料で紹介しているように枝刈りや蒸留など色々なアプローチがありますが、本記事では量子化による高速化を取り上げます。量子化はモデルの軽量化・高速化に非常に効果的ですが、物体検出モデルなど複雑なモデルでは（この記事で実験するように）量子化による精度低下が発生しやすい傾向にあります。本記事では、YOLOv3とYOLOv5の量子化を具体例として、物体検出モデルの精度低下を抑えつつ量子化するためのポイントを解説します。
こんにちは、AI技術開発部AI研究開発第二グループの劉です。私は、道路情報の自動差分抽出プロジェクトにて、ドラレコ映像から標識などの物体を見つける機能の開発を担当しており、その中で画像の分類が必要になります。現在、最先端の画像分類モデルの1つとしてConvNeXtがありますが、アーキテクチャがImageNetの224x224という画像サイズに合わせて設計されおり、例えば32x32といったより小さいサイズの画像を扱う私たちのタスクでは性能を出しきれないという課題がありました。本記事では、小さい画像に対して良好な性能が得られるように、ConvNeXtのアーキテクチャを変更していく流れとその結果をご紹介したいと思います。
AI技術開発部分析グループの島田です。 分析グループは、タクシーアプリ「GO」におけるデータドリブンなビジネス意思決定を行うために、様々なユーザ分析、乗務員分析を行っています。 今回は因果推論における変数選択の役割について紹介します。
2022年3月17日にDeNA TechCon 2022「Unlimited Expansion」にて、「あと何分？タクシーアプリ『GO』到着予測AIの社会実装まで」という内容で登壇を行いました。本記事では登壇の内容を簡単に紹介します。
スマートドライビング事業部 システム開発部 AI基盤グループ の廣安です。ドライブレコーダー上で動作する交通事故削減支援システム『DRIVE CHART』のAI推論処理を行うEdge AIライブラリの開発やAIテスト環境の改善等を担当しています。この記事ではサーバサイドのCPU上でAI推論処理を高速に動作させるための方法と、運用中サービスに実際に適用して処理時間を1/3にまで改善できたという話をします。
2022年4月6日に「MoT TechTalk #11 深掘りコンピュータビジョン！研究開発から社会実装まで」（connpass）を開催しました。本記事では当日の内容を簡単に紹介します。
MoT、AI技術開発部の立松です。先日、統計検定準一級(CBT)を受験し合格しました。非常に学びの多い資格だったので、勉強の流れや受験してよかった点などをご紹介したいと思います。
こんにちは、Mobility Technologiesのデータエンジニアの渡部徹太郎です。データサイエンティストの皆さん、以下のような状況になったことないでしょうか。こういったときは以下の資料を見てください。きっと解決します！スライドへのリンクこの資料は、先日社内の勉強会で説明した資料になります。
この記事はMobility Technologies Advent Calendar 2021の18日目です。こんにちは、AI技術開発AI研究開発第二グループの劉です。私はドラレコ映像から標識などの物体を見つける物体検出技術を開発しているのですが、その精度を改善していくためにはまず検出エラーを細かく分析することが重要です。本記事では、物体検出のエラー分析に関する論文である”TIDE: A General Toolbox for Identifying Object Detection Errors”を解説すると共に、その著者らが公開しているツールを実際に使ってみた結果をご紹介をしたいと思います。
AI技術開発部アルゴリズムグループの齋藤です。今回は前回紹介した到着予想時間(Estimated Time of Arrival, ETA)について、タクシーアプリ「GO」を運用する際に出てくる特有の問題を考慮して開発した内製ETA算出エンジンの概要と特徴について紹介します。
AI技術開発部アルゴリズムグループマネージャーの織田です。MoTでは既存のタクシー交通システムのDXによる効率化を推進していますが、「果たしてどこまで効率化が可能なのか」という究極的な問いについて考えることは有益であると考えています。未来が完全に予測できるとして、最適な運行管理を行うことで無駄な走行（コスト、CO2排出量）をどの程度まで削減できるのでしょうか？本記事ではMIT Senseable City Laboのグループが提案したvehicle-shareability networkによる最小車両数問題の解法について紹介し、実際に東京のタクシートリップデータで行った評価結果について議論したいと思います。
AI技術開発部アルゴリズムグループの谷本です。今回はマップマッチ結果を複数出すロジックについて紹介します。GPSだけだと走った道路を特定し切らないときに「道路の走行軌跡の候補を複数出して」後で絞る、といった使い方をしたいときに用いることができます。
この記事では以前Bokehを使ったインタラクティブな可視化ツールの作成したときの経験に基づいて、複数の実現方法を比較・検証します。
AI技術開発部分析グループ所属の秋月です。 分析グループは、タクシーアプリ「GO」におけるデータドリブンなビジネス意思決定を行うために、様々なユーザ分析、乗務員分析を行っています。 本記事では、ABテストを実施した際の効果検証に利用する Baysian Testing という手法を紹介します
AI技術開発部アルゴリズムグループマネージャーの織田です。タクシーアプリ「GO」のコアとなるビジネスロジックの一つに、「利用客」と要件にあった適切な乗務員・車両（本記事では「供給者」と呼ぶ）をマッチングするアルゴリズムがあります。では、どのようなマッチングが適切なのでしょうか？近年、マーケットデザインの研究・社会実装が注目されており、モビリティプラットフォームにおいてもマーケットデザインの考え方が活用できる場面が多くあるのではないかと考えています。本記事ではタクシー配車におけるマッチング・マーケットデザインについて議論してみたいと思います。
システム開発部 AI基盤グループの廣安です。交通事故削減支援を行う次世代AIドラレコサービス『DRIVE CHART』のAI推論処理を行うEdge AIライブラリの開発やメンテナンスを主業務としています。今回はそのライブラリ開発の品質保証のためにどのようにCI/CDを利用しているかという事例について紹介します。
AI技術開発部アルゴリズムグループの齋藤です。今回は弊社が提供するタクシーアプリ「GO」における非常に大事な到着予想時間(Estimated Time of Arrival, ETA)とは何か、精度向上のためにどのような工夫をしているのかについて紹介させていただきます。
MoTのAI技術開発部の立松と島越です。先日行われたkaggleの"Google Smartphone Decimeter Challenge"コンペティションにて、私たちが参加したチームが6位で金メダルを獲得しました。本記事では、我々の解法や上位陣の解法を含めたコンペの概要についてスライドで紹介させていただきます。
AI技術開発部アルゴリズムグループの谷本です。「マップマッチ・経路検索などのアルゴリズムを含む内製地図ライブラリ」のメンテナンスを主業務としています。今回はpythonによって実装された内製地図ライブラリ、特に経路探索部分をCythonを使って高速化した事例を紹介します。
AI技術開発部分析グループマネージャーの島田です。分析グループは、タクシーアプリ「GO」におけるデータドリブンなビジネス意思決定を行うために、様々なユーザ分析、乗務員分析を行っています。本記事では、分析グループ内で開催した統計的因果推論の勉強会について紹介したいと思います。
MoTでは、さまざまな施策の効果をデータ分析によって計測し、次の施策に繋げています。本記事ではその例の一つとして、統計的因果推論を用いたマーケティング施策の効果推定事例を紹介します。
AI技術開発部アルゴリズムグループの島越です。前回は、アルゴリズムグループの老木と島越がGoogle Cloud Day: Digital' 21 で登壇した内容について、BigQueryの活用例についてまで紹介しました。こちらの後半パートでは、BigQuery ML の活用例について紹介していきます。当日の動画はGoogle Cloud Dayのサイトに、スライドについてはこちらに公開されています。
AI技術開発部アルゴリズムグループの島越です。今回は、アルゴリズムグループの老木と島越がGoogle Cloud Day: Digital' 21のブレイクアウトセッションで「AI を用いたタクシー配車における BigQuery 徹底活用術」というタイトルで登壇しましたので、その内容について紹介させていただきます。なお、当日の動画はGoogle Cloud Dayのサイトで視聴することができます。また、スライドについてもこちらに公開されています。ブログについては、老木が発表した部分を前半パート、島越が発表した部分を後半パートとして紹介させていただきます。この記事は前半パートの記事となっています。
はじめまして、AI技術開発部 分析グループ の浅見です。Mobility Technologies（MoT）では、BigQuery上でログの保存やデータマート運用を行い、集計や分析をした上で、LookerやGoogleスプレッドシートで効果検証などをレポート化しています。BigQueryはとても強力なツールなのですが、統計処理を入れようとすると、PythonやRなどの別モジュールを構築する必要があり、メンテナンスコストが発生してしまいます。そんな時のため、BigQuery内で統計処理を完結させるちょっとしたTipsを紹介します。
AI技術開発部アルゴリズムグループマネージャーの織田です。アルゴリズムグループは、配車アプリ「GO」におけるデータ分析や、機械学習システムの開発・運用を行なっているチームです。本記事では、私たちがチームとして実践している「GO」のデータサイエンスの魅力を紹介したいと思います。
初めまして。MoTのAI技術開発部アルゴリズム第一グループの島越 [1]です。本ブログでは、私が最近ソロで10位を獲得したKaggleのコンペティション「Shopee - Price Match Guarantee」で行った取り組みについてと上位の手法について紹介したいと思います。なお、本記事で使用している画像は特に断りがない限り、上記コンペの画像を使用しております。
2021年4月19日から23日まで開催されたThe Web Conference 2021(WWW)にAI技術開発部 アルゴリズムグループの織田が参加しましたので、モビリティサービス観点での学会概要を報告したいと思います。また、効果検証、推薦システムに関するLikedIn / Googleの論文を紹介します。
こんにちは、AI技術開発部AI研究開発第二グループの宮澤（@kzykmyzw）です。私は、地図のメンテナンスのためにドラレコ映像から道路の変化情報を自動抽出するプロジェクトに携わっています（プレスリリース）。このプロジェクトでは、ドラレコ映像に写った道路標識や信号機などを検出してそれらの位置を特定し、地図と比較することで変化を見つけます。この記事では、このプロジェクトのコアとなるコンピュータビジョン技術について、映像から検出した物体を地図と比べるためにどんな処理を行なっているかをご紹介します。
AI技術開発部アルゴリズムグループの織田です。 この度、自身が取り組んでいた研究「Equilibrium Inverse Reinforcement Learning for Ride-hailing Vehicle Network」がWeb・データマイニングに関する国際会議「The Web Conference 2021」にて論文採択されましたので、内容を紹介したいと思います。
こんにちは、AI技術開発部AI研究開発第二グループの佐々木です。 本記事では、物体検出アルゴリズムを効率的に開発できるフレームワークIceVisionを紹介します。airctic/icevision
2020/11/3 ~ 2020/11/06 にかけて開催された ACM SIGSPATIAL 2020 (28th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems) にAI技術開発部 アルゴリズムグループの 高橋 と 齋藤 が参加しましたので論文紹介とあわせて報告します。なお、本記事は高橋、齋藤の共著となります。
2020 年 10 月に終了した Kaggle のコンペ 「RSNA STR Pulmonary Embolism Detection」で MoT のメンバー 佐藤*、島越*で構成されるチームで、784 チーム中９位となり、金メダルを獲得しました！ 本記事では、このコンペの概要と我々のソリューションを紹介したいと思います。なお、本記事は佐藤、島越の共著となります。また使用したコードはgithub 上でも公開しているのでぜひご覧ください。
2020/08/23~2020/08/27 にかけて開催されたKDD2020（The 26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining）に佐藤と島越が参加しました。KDD は機械学習やデータマイニングに関するトップカンファレンスの１つであり、Mobility に関する手法も数多く提案されています。今回KDD2020 はCOVID-19 の影響もありオンラインでの開催となりました。 本記事ではKDD2020 で佐藤・島越がそれぞれ興味を持った論文を紹介させていただきます。記事内では簡単に概要を説明させていただき、より詳細な内容は Mobility Technologies と DeNA が合同で行っている技術共有会のスライドをご参照頂ければと思います。
はじめまして、AI技術開発部の加藤（@nk35jk）です。本記事では、コンピュータビジョン分野において近年注目されつつある研究トピックである、ラベルの与えられていない動画データを用いて画素レベルでの物体追跡（dense tracking）を学習する研究の動向を紹介します。
Kaggleコンペティション「OpenVaccine: COVID-19 mRNA Vaccine Degradation Prediction」において、MoTのデータサイエンティスト 藤川和樹* を含む2名のチームが1,636チーム中2位に入賞しました。
こんにちは。AI技術開発部 MLエンジニアリング第1グループの築山です。以前、社内でOptunaとKubeflow Pipelines（以下KFP）を用いて並列ハイパーパラメータチューニングを行い、とあるプロダクト（後述する『お客様探索ナビ』の経路推薦システム）のパラメータに適用する機会がありました。
はじめまして、AI技術開発部の齋藤です。現在MoTではタクシー配車アプリの「GO」と「JapanTaxi」アプリを運営していますが、今回はDataRobot Japan主催の第1回 MLOps 勉強会 Tokyoにて、「JapanTaxi」アプリに導入している機械学習モデルについてお話させていただいたのでそちらについて紹介します。
こんにちは、Mobility Technologies (以下 MoT) の AI 技術開発部 AI 研究開発第二グループのパエです。MoT では、タクシー配車以外にも、MaaS 発展のための次世代サービス実現に向けて研究開発を行なっています。本記事では、そうした取り組みの一つとして我々が開発中のドライブレコーダ映像から自車両が走行するレーンの番号を認識する技術について紹介します。
はじめまして、AI技術開発部の亀澤です。AI技術開発部では様々な機械学習モデルの開発に加えて、車載デバイスやクラウド上でDeep neural network (DNN)を使ったリアルタイムな予測を行うための、DNNの高速化や軽量化にも取り組んでいます。この記事では、エッジデバイスでDNNを動かす上で、高速化、軽量化に効果があるDNNの量子化について次の3点について説明していきます。
2020/7/5 ~ 2020/7/10 にかけて開催された ACL 2020 (The 58th Annual Meetings of the Association for Computational Linguistics) にデータサイエンスグループの 藤川 と 田口 が参加しました。
MoTメンバーの内田祐介が第76回（令和元年度）電子情報通信学会論文賞を受賞しました。本論文は中部大学の山下准教授との共著のCNNモデルに関するサーベイ論文です。
初めまして。MoTのAI技術開発部アルゴリズム第一グループの島越 [1]です。本ブログでは、私が最近ソロで3位入賞を達成したKaggleのコンペティション「TReNDS Neuroimaging」で行った取り組みについて紹介したいと思います。また、今回使用したコードについては、github上でも公開しているのでよろしければそちらもご覧ください。
はじめまして、AI技術開発部の廣安です。私たちのチームでは、機械学習を使用したシステムをRustで開発しています。本記事では、機械学習システムのテストに役立つスナップショットテストという手法をRustで実践する方法を紹介します。
はじめまして、AI技術開発部の加藤（@_tkato_）です。私たちはエッジ x クラウドの機械学習システムのプロダクション開発を行う上で、Rustを開発言語の一つとして利用しています。今後はこのブログを使って、私たちがRustで開発している際に得た知見を共有していきたいと思います。
記念すべき MoT (Mobility Technologies) の技術ブログ第一号記事です :) MoT はタクシーアプリなどの事業統合により、2020 年 4 月から新体制でスタートしたモビリティ DX カンパニーです。「移動で人を幸せに。」をミッションに、タクシーアプリ『JapanTaxi』、『MOV』の運営の他、タクシー車内での広告や決済、タクシー需給予測による乗務員の営業サポート、ドライブレコーダーや交通事故削減支援システム『DRIVE CHART』、自動運転社会やスマートシティの実現を見据えたビッグデータ解析などの R＆D 事業と、幅広く事業を展開しています。 本ブログではそんな MoT の強みの一つ、『技術』にフォーカスして様々なお話をさせて頂きます！第一回の本記事では、データ分析コンペティション Kaggle において MoT メンバーが奮闘し、上位成績を収めた際の話を共有させて頂きます！！ 2020 年 6 月に終了した Kaggle のコンペ Tweet Sentiment Extraction で MoT のメンバー 田口*、藤川*、山川*、松井*並びに社外のチームメンバー tkm2261 さんで構成されるチームで、2,227 チーム中 5 位となり、金メダルを獲得しました！ 本記事では、このコンペの概要と我々のソリューションを紹介したいと思います。なお、本記事は田口、藤川、山川、および松井の共著となります。