　顔検出のベンチマークテストでは、「Terasic DE10-Nano」ボードに搭載されているCyclone V SoCを使用し、推論ネットワークに同社のディープラーニングモデル圧縮技術を適用した。その結果、10.5fpsの推論スピードを達成。これは、Armの「Cortex-A9」に同等の推論ネットワークを適用した場合と比べて、4.6倍の性能となる。

ベンチマークテスト結果（クリックで拡大）出典：LeapMind

　今回使用したDE10-Nanoボードは、テスト中の平均消費電力が5.82W程度で、低消費電力が特徴のCyclone V SoC上でも推論精度を低下させずに実装可能なことを確認できた。Cyclone V SoCに組み込んだディープラーニングは、省電力／省スペースでインターネットを介さずにリアルタイム処理が可能になる。

　同社のディープラーニングモデル圧縮技術は、静止状態の顔検出に加え、人の流れにおける顔検出や人物検出、工場ラインの検品処理の自動化、ドローンなど移動体による障害物や捕捉対象物の検知など、さまざまな物体検出タスクに応用できる。

　なお、この物体検出機能は、LeapMindの組み込みディープラーニングモデル構築ソリューション「DeLTA-Lite」に同年9月中旬以降追加する予定だ。

AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
機械学習はどうやって使うのか――意外と地道な積み重ね
前編では、AI（人工知能）と機械学習、ディープラーニングといった用語の説明から、AIを実現する技術の1つである機械学習が製造業を中心とした産業界にも徐々に使われ始めている話をした。後編では、機械学習を使ったデータ分析と予測モデル作成について説明する。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
ディープラーニングの事業活用を可能にする「ジェネラリスト」の重要性
AI技術として注目を集めるディープラーニング。ディープラーニングへの取り組みを進めていく上で必要とされる人材には「エンジニア」の他に「ジェネラリスト」も必要だ。本稿では、ディープラーニングの「ジェネラリスト」に何が求められるかについて解説する。
プログラミング不要、組み込みディープラーニングのモデル構築ソリューション
LeapMindは、組み込みディープラーニングモデル構築ソリューション「DeLTA-Lite」の提供を開始した。プログラミングなしで、短期間に組み込みディープラーニングのモデル構築ができる。
深層学習の学習データ作成をサポートするソリューション
LeapMindは、深層学習モデル構築用の学習データ作成支援ソリューション「DeLTA-Mark」のクラウド版の提供を開始した。アノテーション作業において、管理の一元化、結果の均一化、操作の効率化の仕組みを提供する。