Case Study
ドキュメント画像認識

受託までの経緯

現在、会社のブランド（ロゴマーク、社名）が不正利用される問題が多発しており、その対応として社内の各部署だけでなく、他社でこの会社のロゴを使用する場合にも、厳しくロゴ使用規定を施している会社が多くなっています。

しかし使用されたロゴが本当に規定に沿っているかどうか、チェックする人件費もかなりのコストが発生します。

某大手通信企業の広報部門において、この会社の社員が社外向けに展開するドキュメントに含まれるロゴや社名などが正しく使用出来ているか確認する作業があり、今までは担当者の目検のみで行っていましたが、年々増加傾向にあったブランドチェックの申請件数に対する作業効率化と精度向上のため、システムを開発しての自動化を計画しました。

はじめはある海外大手開発会社へ依頼し開発しましたが、ロジックをどうやって駆使してもロゴマークの特定の精度は上がらず、ある大手メーカーのAI画像認識製品を使ってシステムの再構築を実施しました。

この製品の機械学習機能で多くのトレーニング実施したことで、ある程度の精度改善は出来ましたが、やはり特定率は80%に満たず、現場での利用に至りませんでした。

その後、このシステムの精度を改善出来るか弊社に相談されました。

課題

大手メーカーのAI画像認識製品を使ってもロゴ特定の精度が目標に達成しない。現場で使用するには95%以上の精度を出さないと使えない。なんとか精度を上げて現場の作業効率を上げたい。

解決策

この案件を含め、人の行っている作業は決して汎用的なものではなく、言ってみればかなりファジーな部分が含まれます。また熟練された人の判断はより複雑なものとなっています。

つまり単純に機械学習（モデリング）技術を使ったAI画像認識処理だけでは、おそらく満足できないのが現状です。

例えば、ある画像をあらゆるドキュメントから探し出すというだけならメーカーなどが販売している機械学習AI製品を活用し、トレーニングすれば、十分とは言えないまでもそれなりに成果は有るかも知れません。

しかし、ある画像の正確さまでをチェックしようとした場合、まず正確でない画像も特定し、その画像を正確な画像と比較した違いを指摘しなければなりません。

このように一般に業務上で人がやる作業は単純な認識処理だけではなく、業務に求められるいくつかの複合的な要求が混ざることが非常に多く、機械学習AIソフトだけでは満たされないという現場の声をよく聞きます。

上記の処理をAIの持つ機械学習トレーニング機能を使って解決することは出来るかもしれませんが、それには、その画像の不完全となるあらゆる要素を学習させる必要があり、そのための学習サンプル画像は大量に必要となります。さらに完全にそれらを網羅することは不可能に近いと言えます。

正しい画像を探すだけ　　⇒　　機械学習AI機能でもある程度満たせる

正しくない画像も探す　　⇒　　機械学習AI機能だけでは要求は満たされない

ではどうすれば良いでしょう？

まず全てをロジック化することは出来ません。見つけたい画像のあらゆる特徴点をロジックにして、それらのルールと画像を比較するということは、まず現実的ではありません。

やはり、AIを使った画像認識技術は必要となります。

今回のお客様のチェック要求内容は下記の様な内容でした。

どの規定違反の場合もまずは、その様なロゴを特定出来なければなりません。