オンプレでの分析にしているが、より高機能を求めるとGMECみたいなのが求められてくるのではないかと思う
https://cloudonair.withgoogle.com/events/google-cloud-day-digital-21/watch?talk=d2-ml-04
Cloud AutoML と Edge TPU を用いて競輪ライブ映像の自動編集を実現した事例
概要：『TIPSTAR』とは、多彩なタレント達の予想トークと共に、競輪のライブ映像を観戦しながら、仲間とワイワイ競輪のネット投票を、毎⽇楽しむことができるスポーツベッティングサービスです。本セッションでは、競輪ライブ映像の編集作業を人間ではなく、AI による自動化を実施し、レースにあわせてテロップや BGM が流れる仕組みを、Cloud AutoML と Edge TPU を用いて、実現したお話をします。
| 質問 | 返答 |
|---|---|
| 音声を画像にして学習ということに驚きましたが、音声のままで学習することはこの場合難しかったのでしょうか | あとで開発時間が短かった話が出てくるのですが、画像モデルと同じラインを使いまわしたかったので、音声を画像化しました！完全に時短ですね。精度も悪くなかったので、画像化したままです。 |
関連情報
https://www.amazon.co.jp/Google-Coral-Accelerator-Edge-%E3%82%A2%E3%82%AF%E3%82%BB%E3%83%A9%E3%83%AC%E3%83%BC%E3%82%BF/dp/B07S214S5Y/ref=sr_1_5?adgrpid=114660875454&dchild=1&hvadid=492580482143&hvdev=c&hvqmt=e&hvtargid=kwd-850742797620&hydadcr=9520_10352990&jp-ad-ap=0&keywords=google+coral+edge+tpu&qid=1624257437&sr=8-5
https://coral.ai/docs/edgetpu/models-intro/
https://cloud.watch.impress.co.jp/docs/news/1134852.html
内容
| 切り口 | 内容 |
|---|---|
| 話の内容 | 新規事業開発。新規事業に出てきた際の課題。その解決方法 |
| TIPSTARとは | |
| 課題 | ライブなので、ミスができない |
| 解決方法 | |
| システム構成 | 競輪場からデータをもらう流れ。テレビ戦からエンコーダーをかませてデータをもらう。HLS変換して映像を配信する。 |
| 編集者の編集箇所 | 太字の部分は編集作業をしている箇所 |
| 編集箇所 | 下線部を編集する |
| 開発アプローチ | 推論からapiをたたくまでに2秒かかるなら、映像も2秒遅らせるという感じで調整しながら進める｡43会場ごとにカメラの設置などが違うので精度が出なかった。そのため、各会場に合わせたシステムを作った。学習はAutoMLVisionをつかった。 |
| 学習モデルを活用するまで | 学習させるには時間がない。AutoMLVisionをつかった 一晩でモデルが完成した 。作ったモデルをエクスポートできたことと、オンプレ環境での分析も検討していたので、EdgeTPUを用いた |
| EDGE TPUとは | |
| 結果 | |
| 今後 | ハイスペックのEdge TPUに切り替え予定 |
