各種産業でAIを用いて作業あるいは状況を見える化するプロジェクトが進められている。様々な用途にて画像認識技術の活用が広がっているが、画像認識を新たな建設現場や工場に展開するためには、工具・材料・重機など、新たな検知対象を継続的に登録することが必要となる。
その際、新たな検知対象だけでなく、既存検知対象についても、AIに対象物の位置とそれが何であるかの情報を教えなければならず、そのための学習データの作成が、これまで利用者の大きな負担になっていたという。NECは、理化学研究所と共同で、AIを活用した画像認識において、学習データの作成作業を大幅に簡素化する技術を開発した。「理研AIP-NEC連携センター」にて共同開発した同技術により、現場でのAI適用の促進に貢献する。
上記新技術は、AIの学習に曖昧な情報を活用できる「弱ラベル学習」技術を発展させることで、AIを活用した画像認識に対象物を追加登録するときに問題となる学習データ作成の手間を削減する。弱ラベル学習は「学習が不安定になり精度が低下する」問題を抱えていたが、両者は今回、弱ラベル学習の安定化と正しいモデルの学習を同時に満たすアルゴリズムを世界で初めて開発した（同社調べ）。
物体検知の公開データセットMS COCOをベースとして、新たな検知対象をモデルに加えることを想定した試算に同技術を活用し、80種類の検知対象物を含む画像認識において、学習データ作成時間を75％削減できることを確認した。例えば、トラックやバスなどの車両を認識するAIに新たにバイクを学習させる場合、この発展形／弱ラベル学習の手法により、バイクのみをラベル付けしたデータからでも学習でき、データ作成の作業工数を大幅に減らせる。
弱ラベルが付与されたデータからでも高精度なモデルを学習可能とする。同技術は、機械学習・人工知能の分野で著名な国際会議ICML2021で発表された。