[事例ニュース]

2018年4月4日(水)日川 佳三（IT Leaders編集部）

リスト

　エルアンドエーが開発したシステムは、クリーニング店舗において、顧客が持ち込んだ洋服を画像認識し、自動で分類するシステムである。テーブルの上に洋服を置くだけで、Webカメラで撮影した画像から洋服の種類を分類する。洋服の種類ごとにクリーニング代金が異なっており、自動で分類した結果に応じてクリーニング代金を顧客に提示する。狙いは、店舗の無人レジ化である。

図1：テーブルの上にシャツを置いた途端、シャツであることを認識している様子（出典：エルアンドエー）
拡大画像表示

　画像認識によって洋服を分類する仕掛けとして、米Googleが公開しているディープラーニング用のライブラリ「TensorFlow」を利用した。学習用の画像データは実店舗で収集している。洋服を置くテーブルの上を数秒に1回Webカメラで撮影しており、ここに写った洋服の画像を利用する。システム運用時に洋服を分類するための画像も、Webカメラが撮影したものを使う。

写真1：エルアンドエー取締役副社長の田原大輔氏
拡大画像表示

　今回のシステムの特徴は、自前主義でコストをかけずに開発したことである。開発は、エルアンドエーの取締役副社長である田原大輔氏が、ディープラーニングについて学びながら自前でプログラミングした。

　システム機材については、すでにあったWebカメラや、旧式のポリカーボネート製Macbook（SSDに換装）、画像データ格納用の外付けHDD、などを使って安価に揃えた。

　ディープラーニングを業務に活用しようと思い立ったきっかけの1つは、2015年11月にTensorFlowがオープンソースとして公開されたことである。2016年3月から学習用の画像データを収集しはじめ、2017年11月に画像認識システムのβ版をローンチした。現在は洋服を24カテゴリに分類しており、シャツ、スーツ、ズボンについては99％という高い精度で認識できている。

　なぜクリーニング店舗でディープラーニングなのかについて田原氏は、地域の特性、業界の特性、タイミング、の3点が揃っていたことを挙げる。地域の特性については、本社がある福岡県田川市は、「過疎化、高齢化、人口減少が著しい」（田原氏）という。業界の特性については、クリーニング業界の市場規模は縮小しており、1店舗あたりの収益も下がっているため、スタッフを置くことが難しい。