投稿者: admin

今回は、AI鑑定を用いて、クルマ鑑定に費やす工数を改善するプロジェクトを推進しているセバスチャン氏へインタビュー。

これまで、様々な研究開発に携わり実績を残してきた彼の研究開発に迫ってみたい。

AI鑑定システムの研究から出てくる課題と、それに対する彼の挑戦、そしてAI鑑定がもたらす未来を、インタビューの中から感じ取れると思う。

レッティグ セバスチャン ペーター　Rettig Sebastian Peter
2015年入社。AIテクノロジー推進室 沖縄に所属。
自社内の課題解決にAIを使って効率化を目指しながら研究開発を行う。
アプリ開発、承認チェックAIシステムの構築、フロントエンド・バックエンド開発など、プロジェクトの内容よって担当を変えられる守備範囲の広さと、すべての開発を一人で行うマルチエンジニアとして従事している。

クルマの傷、凹みを自動で検知する「AI鑑定」の開発目的は？

目的としては、クルマ鑑定物件数の向上です。

現状はクルマ1台あたりの鑑定所要時間が約20～30分かかってしまうことと、鑑定者の不足が課題として上がっていました。

鑑定後のレポートもデータとして手動で入力しないといけないので時間と手間が発生していました。

そこで、機械学習を使ってクルマを自動鑑定し、鑑定後のデータもそのまま蓄積されていくシステムを作ることで、鑑定にかかるコストを削減できるのではないのか？

そういった思いから、AI鑑定システムをプロトタイプとして開発することに至りました。

クルマ業界で「AI鑑定」を導入しているところは多いのでしょうか？

AI鑑定というよりは「AI査定」になりますが、最近ニュースに出てきたのは保険会社向けのスマホアプリです。
事故があった時に、自分のスマホでクルマの障害を撮影して保険会社に送ります。障害レベルや修理コスト予算はAIで判断するそうです。事故障害は画像でわかりやすくて、判断しやすいと考えます。

一方で、「AI鑑定」だと、事故直後ではなく修理済みのクルマに対しておこなうことが多いです。
傷や凹みなどを検知して、修理のあったクルマなのか？ そうでないクルマなのか？ の判断をします。
難易度としては上記の保険会社がおこなう事故車分析より高いです。

鑑定対応サービスは現在プロトタイプな状態ですので、導入している企業はほとんど無いですね。

そのAI鑑定ですが、どういった人たちに利用してもらいますか？

「アジャスター」と呼ばれる鑑定者が、クルマを鑑定する時のツールとして利用してもらうことを想定しています。事故車などを鑑定するプロフェッショナルの方々ですね。

開発でフォーカスしているのは「外装部分」。
外装のキズや凹みを画像認識AIへ学習させます。 クルマの撮影画像を傷・凹みのセグメントに分析し、障害レベルを評価していくという流れをAI化することで、鑑定にかかる所要時間を削減させることが可能になります。

開発に使用した言語やツールなどは何になりますか？

開発については機械学習基盤から実開発まで、使う言語やツールは多岐に渡ります。

機械学習開発
　→python, Pytorch, fastai, Tensorflow, 機械学習基盤（ML-Template, ML-Core）
API開発
　→python, javascript, HTML, CSS
APIディプロイ
　→docker
Androidプロトタイプ開発
　→Java, C, Tensorflow-lite

ちなみに今回のプロジェクトで使っている機械学習基盤は私が作ったもので、社内にある単純作業などを自動化するための基盤として少し前にリリースしたものになります。
これに関してはbacklogへアップロードして他部署でも使ってもらっているんですよ。

会社で一緒に働く仲間たちにも、私が作ったツールボックスを使っていい環境になるように、社内スタンダードにできたらと考えています。

学習基盤は自作なんですね。既に横展開ができているとは驚きです！では、開発で直面した課題について聞かせてください。

まず、AI学習には大量の教師データが必要になります。その教師データを作り出す作業を「アノテーション（意味付け）」と言って、高い精度を追及するほど沢山のアノテーションが必要となります。

傷や凹みの形はどれも全く同じものはなく、小さい、大きい、長いなど様々です。そういった傷や凹みをマーキングするツールが足りなかったため、自分でアノテートツールを開発しました。

あと、私自身が鑑定者ではないので、アノテート後の判定結果のジャッジが難しく、専門家の確認が必要なこともありましたね。

また、今回のプロトタイプを簡単に作成できる基盤がないため、環境実装が必要でした。こちらは先ほど話した学習基盤（ML-Template, ML-Core）のことです。 学習基盤もそうですが、ツールがなければ自分で作ることはあります。

色々ありますが、チャレンジポイントとして捉え、ひとつずつ課題を潰していくことが研究開発には大事なことです。好きじゃないとできませんね（笑）

さて、気になるAI鑑定システムのリリース予定はいつ頃でしょうか？

リリース予定はまだ決めていないです。

と言うのも、クルマ鑑定物件数の向上という目的はあるものの、鑑定業務の効率化ができるか？の研究開発になりますので、まずはフィジビリでやってみて上手くいけばプロダクト化する。という感じですね。

あくまでも研究開発をするのが私のミッションですので。

ただ、鑑定者に便利なシステムになることは間違いないです。 このAI鑑定が上手くいけば、「ヒトが足りない、時間が無い」の両方が改善されるわけですから。

今後の展開について聞かせてください。

まだ研究開発中なので何とも言えないですが、今掲げているチャレンジ点を解決できれば、プロトタイプシステムを実装するつもりです。

その後、クライアントのテストフェーズを行い、将来的には鑑定サービスとして展開したいと考えています。 遠い未来には、誰でもスマホで鑑定できるようになるかも知れないですね。

あとがき

画像認識技術を駆使し、AI鑑定システムの開発を進めるセバスチャン氏。

単身、幾度となく繰り返すテストと実装の中には、数えきれないほどの課題に直面する。

それを「チャレンジポイント」と称し孤高に研究を重ねる姿に、エンジニアとしての気高さを感じた。

AI鑑定システムが彼の手からリリースされる日が来れば、クルマ業界が大きく変わるかも知れない。

今回は、画像認識AIを用いて、地域・社会の安全を改善するプロジェクトを推進している平良氏、関内氏へインタビュー。

2019年にAI戦略推進室を立ち上げ、AI技術を駆使した社内業務の改善と新規事業立案を繰り返してきた彼らの活動に迫ります。

ナンバープレート検知の開発秘話から今後の展望までをご紹介！

平良 武敏　Taketoshi Taira
2012年入社。AI戦略推進室に所属。
既存業務のAI化・システム化の企画・提案、AIを活用した新規事業立案を担う。
画像認識AIの導入にて車両動画の完全自動化、自然言語処理AIの活用にてコンバート業務の自動化、画像認識AIナンバープレート検知システムを推進。

関内 孝行　Takayuki Sekiuchi
2006年入社。技術推進部門に所属。
情報セキュリティスペシャリスト資格を保有し、新技術や新規サービスの開発を行う。 画像認識系の機械学習(AI)を使ったシステムや、オンライン商談のシステム開発を担当。現在、画像認識AIナンバープレート検知システムを開発中。

「ナンバープレート検知」システムを作るきっかけとなったのは？

当社及び付近の施設で発生している不正駐車や迷惑行為（騒音等）といった、犯罪の抑制がきっかけになります。

通常の監視カメラの導入を検討しておりましたが、誰かが映像を見直さない限り検知することが出来ないという課題にぶつかりました。また、映像のコマが粗く、解析に時間がかかるという欠点もあったんです。

そんなとき、車両ナンバープレートを検知する製品が世の中にある事を知り、まずは既製品の導入を検討しました。ただ、当社の自社メディアサービスは、クルマに関する企業とのコネクションもありますし、高度な画像認識技術を有するエンジニアも属しています。独自で開発することで、既製品とは違う市場・販売経路での展開が可能ではないかと考えました。

また、宜野湾地域の大型商業施設やアミューズメント施設でも、不正駐車の課題を抱えているという声があり、我々の技術を使って地域へ貢献できるのではないか？ということから、自社での開発を進める運びとなったんです。

どういったケースで利用を考えていますか？

不正駐車や犯罪抑制が目的ですので、ショッピングセンターといった大型の駐車場を保有している施設であれば、どこでも活用することができます。あとは、小さなお子さまが通う保育園や学校などに設置することで、不審者の事前察知も可能になるかと思います。

まだフィジビリの段階ですが「まずはやってみよう！」という感じですね。

今回使用した技術（開発言語やツールなど）は何ですか？

・Tensorflow の Object Detection APIを使い、ナンバープレートの領域検出を行いました。

・物体検出アルゴリズムは SSD (Single Shot Detector)、ニューラルネットワークは Inception v2 を使いました。

・文字認識には、CRNN (Convolutional Recurrent Neural Network) を使用。

・ナンバープレート画像の合成をする Pythonスクリプトを作成し、たくさんの教師データを確保することに成功しました。

このライブラリを選んだ理由は、使用するにあたっての信頼度（ポピュラーである）もそうですが、これまで開発で使用してきたノウハウからが理由として大きいです。 ポピュラーな言語はその分アップデートもされますし、トラブルシューティングといったサポートもされますから、開発する段階でその辺の将来性などは考慮して設計に入っています。

これからリリースされるとのことですが、どういった反響が予想されますか？

実は、マーケティング面での市場調査はまだしていないんです。

と言うのも、当初の目的はあくまでも不正駐車の抑制といった観点から立ち上がったプロジェクトになりますので、「売る」という前提ではないからです。。

ただ、「商品化」となった場合の今後の期待としては、沖縄の場合だと観光立県なので、ナンバープレートの「わ」や「れ」（レンタカーと判断するひらがな）だけでも検知できれば、観光客利用の実態調査としての需要があるのではないかと思います。

それ以外だと、当社ではクルマの傷や凹みをAIで検知させるといったプロジェクトが別で動いているんですが、ナンバープレート検知の仕組みと組みあわせることで、撮影した動画をもとにクルマの修理や部品の販売といったマーケティングの情報データとして使うことができたりもします。

いずれにせよ、不正駐車をなくすことで犯罪の抑制になりますし、まずは安全な地域・社会をつくっていくことが最優先になりますので、収益の話はそのあとになりますね。

苦労した点を教えてください

ナンバープレートが傾いたり、斜めから写っていたりすると、検知する精度が下がってしまうということがありました。

既存のライブラリだけでは自動で解決してくれない部分でもあったので、ナンバープレートひとつの中にカテゴリを4つに分けて認識させる（沖縄　530　と　XX-XX）ようにしました。使っているツール（Python）は同じなんですが、命令文を書き換えて精度をあげていくといったプログラミングでの試行錯誤がありました。そこは開発者が苦労したところですね。

画像認識に関わらずAI開発は日本語のナレッジが少なく、使われているツールも英語や数字等をサンプルにしたものが多い為、ひらがな・カタカナ・漢字等を認識する開発においては試行錯誤する事が多かったです。

あと、動画に対応するためにはトラッキングと正面化補正の技術開発が必要でした。トラッキングは、動画に写った画像を追跡する技術のことです。正面化補正は、斜めからの解析やナンバープレートの凹みを、まるで正面から撮っているかのように認識し直すことです。止まっているクルマではなく動いているクルマにも対応できるようにトラッキングをし、撮影環境の差異を埋めて検知できるようなものにしました。

今後の展開についてお聞かせください。

まずは開発を終えて、プロトソリューション内への設置ですね。本来の目的を達成させます。

その後はグループ会社、地域の企業へ、という形でサービス展開をしていきたいです。

今回のサービスそのものは基礎的なものと考えていて、この技術を応用し様々なサービスへの転用ができるのではないかと考えています。

ナンバープレート検知システムが、沢山の人のソリューションになれれば嬉しいですね！