実施企業
株式会社デンソー
技術提供企業
アマゾン ウェブ サービス ジャパン合同会社（AWS）
目的
高度運転支援システム（ADAS）向け画像認識の機械学習モデル開発の生産性向上とトレーサビリティの確保を実現する。
概要
デンソーは自動運転技術開発における画像認識の機械学習基盤をAWS上に構築。Amazon SageMakerを中心としたマネージドサービスの活用により、開発効率の大幅な向上とコスト削減を実現。
背景や課題
画像センサーの進化と性能向上ニーズにより、検出対象が増加し機械学習モデルが複雑化。GPUリソースの確保や運用管理の負荷が増大し、開発生産性への影響が懸念されていた。また、国際標準規格に対応したトレーサビリティの確保も課題となっていた。
実施内容
2020年7月から開発を開始し、Amazon SageMaker、AWS Step Functions、Amazon S3、Amazon FSx for Lustreなどを活用して機械学習の開発基盤を構築。CI/CDパイプラインを実現し、トレーサビリティ情報をAmazon DocumentDBに保存。2021年1月から本番運用を開始。
結果
データエンジニアのデータ管理工数を55%に、機械学習エンジニアの作業工数を66%に削減。学習時間も3日から3時間に短縮し、TCOを20%削減。エンジニアがモデル開発に集中できる環境を実現。今後は他のセンサー群への展開や推論でのクラウド活用も検討中。Amazon SageMaker Ground Truthによるアノテーション作業の効率化も計画している。
自動運転向け画像認識の開発効率を大幅改善 ～デンソー、Amazon SageMakerで機械学習基盤を刷新～
実施企業
株式会社デンソー
技術提供企業
アマゾン ウェブ サービス ジャパン合同会社（AWS）
目的
高度運転支援システム（ADAS）向け画像認識の機械学習モデル開発の生産性向上とトレーサビリティの確保を実現する。
概要
デンソーは自動運転技術開発における画像認識の機械学習基盤をAWS上に構築。Amazon SageMakerを中心としたマネージドサービスの活用により、開発効率の大幅な向上とコスト削減を実現。
背景や課題
画像センサーの進化と性能向上ニーズにより、検出対象が増加し機械学習モデルが複雑化。GPUリソースの確保や運用管理の負荷が増大し、開発生産性への影響が懸念されていた。また、国際標準規格に対応したトレーサビリティの確保も課題となっていた。
実施内容
2020年7月から開発を開始し、Amazon SageMaker、AWS Step Functions、Amazon S3、Amazon FSx for Lustreなどを活用して機械学習の開発基盤を構築。CI/CDパイプラインを実現し、トレーサビリティ情報をAmazon DocumentDBに保存。2021年1月から本番運用を開始。
結果
データエンジニアのデータ管理工数を55%に、機械学習エンジニアの作業工数を66%に削減。学習時間も3日から3時間に短縮し、TCOを20%削減。エンジニアがモデル開発に集中できる環境を実現。今後は他のセンサー群への展開や推論でのクラウド活用も検討中。Amazon SageMaker Ground Truthによるアノテーション作業の効率化も計画している。
