流体は、固体と比べると、その物体の境界が曖昧で、例えば煙などを見れば分かるとおり、非常に境界も複雑です。 この流体の境界を学習させたい場合、通常はこの流体の領域を人間の手で丁寧に切り出して学習データを作っていく必要があります。 しかしながら、境界が曖昧な流体においては、この学習データの作成作業は多大な時間を要し、学習データの作成に莫大なコストがかかります。 DeepLiquidの領域検出技術である、DeepLiquid AutSegでは、対象画像や対象動画に対して、領域検出したい物体が存在するかどうかをタグ付けしていくだけで、AIを学習させることができ、面倒な人ででのアノテーションデータの作成作業は不要です。

流体は、その名前の通り固体と比べると、単位時間当たりの動きの変化が著しく、通常の異常検出の手法だと、正常の範囲である微細な動きにも過敏に反応してしまい、正常にも関わらず異常と反応してしまうことが度々起こりえます。 DeepLiquidの異常検出エンジンであるDeepLiquid Anomaly Detectorは、流体のダイナミックな動きに対しても、正しく正常と学習し、異常部分だけを正しく学習できるため、より誤検出の少ない異常検出AIを作ることが可能です。 更に、この異常検出モデルを開発するに当たって、異常状態を一切学習させる必要はありません。 すなわち、多くのお客様が抱える、異常検出モデルを開発するに当たって、異常状態を学習させる必要があるが、その異常状態は滅多に起こらず、その動画が手元にないという課題にも問題なく対応できます。

AI開発は、不確定要素が非常に大きいため、通常、現場への導入を行う前にPoCという、そのAIが本当に現場に導入可能かどうか検証を行うプロセスを経ます。 ただ、多くのAI開発プロジェクトにおいては、このPoC段階で納品される成果物は分析レポートのみで、お客様自身がそのモデルを直ぐに試せる環境は用意されない場合が多く、様々な現場で本当に上手く行くのかどうか？は開発の後工程にならないと分からず、不安な気持ちのまま本番開発を迎えるといったことも起こりえます。

DeepLiquidではPoCの段階で即座に学習済みモデルをお客様のPCから簡単に試せるクラウド環境を用意します。 これにより、お客様の方で簡単に様々な現場の動画を試すことができるため、本番開発で失敗するリスクを大幅に下げ、プロジェクトを着実に成功に導きます。