이 보도는 WHITEPLUS Advent Calendar 2016 첫날이다.
안녕하십니까? 저는 백프라스에서 CTO 겸 CFO(Chief Factory Officer)@exmeat를 전문적으로 맡고 있습니다.
Chief Factory Officer...공장장님이세요?
창업 때부터 업무 절차의 구축~체계화를 한 손으로 완성하였다
덧붙인 타이틀이지만 회사 내에서 CFO로 불리는 일이 드문 오늘 이맘때다.

그런데

당사는 온라인 세척을 제공합니다재설치,
온라인 캐리어 HIROIE
생활 방식 영역에서 사업을 전개하다.
기존 산업의 저효과 부분 효율을 공동으로 향상시키다
이것은 가치를 고객에게 돌려주는 엔지니어의 명리에 해당하는 사업 분야다.
하지만 그렇게 간단하게 효율을 높일 수 있다면 과거에 누군가가 했을 것이다
기술 장벽은 높은 사업 분야이기도 하다.

그럼 뭐가 어려워요?

이번에는 주로 온라인 세척재설치 근처에 있으면...
취급하는 상품이 비정형이어서 다양한 곳에서 벽이 가려져 있다.
나는 개인적으로 그것을 셔츠, 셔츠 문제로 명명했다. 예를 들어 다음과 같다.
나는 셔츠가 어디에서 어디까지 셔츠인지 보는 사람에 따라 구분하고 싶다.
더 나아가 원래 셔츠와 셔츠의 정의는... 이런 소리도 나온다.



이런 비정형 정보의 판정을 효과적으로 진행하기 위해
당사는 웹과 조금 떨어진 기술 개발을 진행하는 동시에
화제의 기계 학습도 적극적으로 채택하고 있다.
첫날 셔츠와 셔츠의 문제는 기계 학습으로 해결할 수 있습니까?나는 관하여 써 보고 싶다.

기계 학습의 가능성에 관하여

기계 학습에서 셔츠, 셔츠 문제의 현황을 해결하려고 한다.
우선 마이크로소프트의 RFID를 시도해 보자.

Computer Vision API

사용법 등은 다른 기사에 맡기면 어쨌든 무료로 시도할 수 있기 때문에 문턱이 상당히 낮다.
위의 세 이미지를 API를 통해 투척합니다.
※ 실제 응답에는 신뢰성이 0.9 이상인 내용만 기재되어 있습니다.
Computer Vision API

[
   {
        "confidence": 0.9922428727149963, 
        "name": "clothing"
    }, 
    {
        "confidence": 0.9841576814651489, 
        "name": "man"
    }
]

[
    {
        "confidence": 0.9938720464706421, 
        "name": "clothing"
    }
]

[
    {
        "confidence": 0.9974855184555054, 
        "name": "clothing"
    }
]

3장 모두 clothing(=옷) 판정이기 때문에 통상적으로 충분한 이용 가치가 있다
한 단락 더 했으면 좋겠어, 두 단락 파낸 집합!이런 요구
모자라는 거 알아요.

CLOUD VISION API

다음은 구글이 제공한 을 시도해 보자.
사용법 등 다른 기사를 의뢰해도 무료로 시도할 수 있어 문턱이 상당히 낮다.
위의 세 이미지를 API를 통해 투척합니다.
CLOUD VISION API

[
  {
    "mid": "/m/06hwcd",
    "description": "dress shirt",
    "score": 0.95226127
  },
  {
    "mid": "/m/09j2d",
    "description": "clothing",
    "score": 0.940119
  },
  {
    "mid": "/m/062581",
    "description": "sleeve",
    "score": 0.90379345
  }
]

[
  {
    "mid": "/m/09j2d",
    "description": "clothing",
    "score": 0.93291253
  },
  {
    "mid": "/m/01g5v",
    "description": "blue",
    "score": 0.91791064
  },
  {
    "mid": "/m/062581",
    "description": "sleeve",
    "score": 0.91265881
  }
]

[
  {
    "mid": "/m/09j2d",
    "description": "clothing",
    "score": 0.92525727
  },
  {
    "mid": "/m/062581",
    "description": "sleeve",
    "score": 0.92079294
  }
]

같은 3장 모두 clothing (= 옷) 판정을 받았다.
또한 물품에 따라dressshirt로 판단하지만 정밀도는 당연히 편차가 존재한다
우리 회사가 이용할 수 있는 수준의 호응이 아니다.

총결산

물론 마이크로소프트와 구글의 API 사상은 우리의 수요와 다르다.
본사와 같은 유한한 수요 상황에서 본사에 모델을 구축할 필요가 있다.
그럼에도 불구하고 원의 이미지 판정과 공정 양속 위반 판정 등 정밀도가 높다고 들었습니다.
필요에 따라 제공되는 API도 충분할 것 같습니다.
내일은 우리 회사가 자랑스럽게 회로부터 전방까지 인기 있는 엔지니어 @knakamigawa의 "Kotlin을 사용해 안드로이드 개발을 시작하겠습니다."

화이트프라스 엔지니어 모집

흰색 더하기 기호.