Download - IkaLog and Deep Learning (20161122 GDLCjp)
本スライド中に登場するスプラトゥーン関連画像は任天堂株式会社の著作物です。
2004|
2011
2011|
2014
2014|
SEサービス プリセールス @So+wareResearchAssociates,Inc.システム構築、客先のシステム運用、提案でキャリアをスタート→プリセールス〜PMを担当するインフラエンジニア
システムアーキテクト@TrigenceSemiconductor,Inc.エンベデッド開発支援からITシステム管理まで多岐に対応
セールスエンジニア@Fusion-io,Inc.高速半導体ストレージ ioDrive/ioMemoryシリーズのSEとして活動
様々なステージとルール
• 16のステージ、4つのルール• 勝利に向けチームで立ち向かう
多様な楽しみ方
• 90以上のブキから好きなものを選んでプレイ
•
•
•
NintendoWiiU& スプラトゥーン
{“kills”:5,“deaths”:1}
IkaLog
映像 解析結果
ログファイル出力
外部ツール連携
外部Webサイト連携
蓄積/出力先
HDMIキャプチャデバイス
IkaLog実行用PC
ARM搭載FPGAボード
12
https://stat.ink/
自分が倒されて行動不能だった時間
イカ(味方/敵 計8匹)の生死状況
チームのスペシャル発動、キル/デス
自分の塗り面積
https://stat.ink/
15
スプラトゥーンのブキ 59種類(スライド作成当時)
•
•
•
•
他の装備品が被っている 保護色(まだマシ) 保護色(マジつらい)
WiiUの画面を取り込む
クラス分類したい部分の画像を抜き出す
特徴画像に変換(ラプラシアンフィルタ&画像縮小)
sschooter_collabo(スプラシューターコラボ)
K近傍法でクラス分類
22
–
–
–
–
スクリーンでは視認しにくいが、ユーザーが様々な解像度の画像を送ってくる「現実」
26
オリジナルのブキ(longblaster)
カスタムバージョン(longblaster_custom)
更に追加(Apr2016)(longblaster_necro)
出力される特徴量に被りが発生ラプラシアンフィルタを用いた特徴量の算出自体を
見直す必要性が出てきた
longblaster_necro
longblaster_custom
longblaster
アップデートにより追加されたクラス
ゲーム終了時に表示される別の画面画面上に表示される「ギアパワー」画像を分類するKNNの問題点・「メイン」ギアパワーと「サブ」ギアパワーで 画像の大きさが異なる・ユーザー環境によって解像度が異なる・ブキ画像同様、状況によって特徴量が変化→画像サイズ/解像度に対してもロバストな分類器がほしい
• ❌⭕
– •
•
– •
•
(本スライド中の画像の一部はイメージであり実際のものとは異なります。)
オブジェクトストレージ
作業用インスタンス
onIaaS
1年以上のデータを蓄積総データ量 4TB以上
IkaLogユーザ stat.ink
hasegaw
•
アスペクト比が壊れている
なぜか画像がズレているリファレンス画像(入力してほしい画像)
Thanks@itoooon
–
–
–
–
0
1
2
3
..
..
n
0
1
2
3
…
89
90
InputLayer OutputLayerHiddenLayer
52gal
52gal_deco
96gal
96gal_deco
…
Sschooter_wasabi
wakaba
•
–
–
•
–
•
–
–
–
–
K近傍法 既存ImageNet 新ニューラルネット
精度 一部ユーザでは低い
99.99+%
99.99+%
モデルサイズ 20MB(現時点) 400MB(AlexNet)100MB(GoogleNet)
50MB(Float32)25MB(Float16)
分類にかかる時間 とても高速 ~300ms ~20ms
•
•
•
–
–
•
–
–
•
–
–
©07strikers