Ultralytics YOLOv8とOpenVINOでキュー管理に変革をもたらす

YOLO Vision 2023（YV23）で、IntelのSoftware EvangelistであるAdrian Boguszewskiが、Ultralytics YOLOv8とIntelのOpenVINOを活用したキュー管理の改善について基調講演を行いました。講演の主なポイントをご紹介します。

待ち行列管理が重要な理由#

Adrianはまず、誰もが直面する課題である、キューを手作業で管理する作業について説明しました。手作業で数を数える非効率性を指摘し、自動化ソリューションの必要性を強調しました。

Adrianが提案した方法は、動画ストリームとディープラーニングアルゴリズムを使ってプロセスを自動化することでした。

インテリジェントな待ち行列管理の紹介#

Adrianが提案するインテリジェントなキュー管理では、AIを使用してキューをリアルタイムで検出、監視します。関心領域を定義し、その範囲内の人数を数えることで、キューが収容人数を超えた際に店舗スタッフへ通知できます。

成功を支える4つの柱#

このソリューションは、簡単な4つのステップに分けられます。

1. 動画の取り込み: 標準的な動画ストリームまたはライブフィードを使って、リアルタイムデータを取得します。
2. 顧客の検出: Ultralytics YOLOv8を使用して、顧客を正確かつ効率的に検出します。
3. カウントとアラート： 指定領域内の顧客を数え、待ち行列が定員を超えた場合にアラートを発します。
4. デプロイ: シングルボードコンピューターからエンタープライズ向けハードウェアまで、OpenVINOを使用してソリューションをデプロイします。

OpenVINOで開発者を支援#

Adrianは、AI推論の最適化とデプロイに使用するオープンソースツールキット、IntelのOpenVINOを紹介しました。幅広いフレームワークとハードウェアをサポートするOpenVINOは、多様なプラットフォームでより高いパフォーマンスと一貫したデプロイを実現することを目指しています。

簡単にできる最適化#

Adrianは、ニューラルネットワークの圧縮という重要な最適化手法についても説明しました。学習後量子化などの手法を使うと、精度の低下を最小限に抑えながらモデルを圧縮でき、推論を高速化できます。

Ultralytics YOLOv8は、物体検出、セグメンテーション、分類、姿勢推定などのタスクに対応した、最適化済みの高速モデルを提供します。YOLOv8.1のリリースにより、回転境界ボックス（OBB）検出もこれらのタスクに加わりました。

OBB検出はさまざまな角度や回転の物体を扱えるため、航空リモートセンシング画像内の物体やテキストなど、傾いた対象に適しています。

回転ボックスは物体により密着してフィットするため、OBBは各物体の周囲にある背景の影響を抑えられます。これは後段の分類モデルにも有益です。

理論から実践へ：ライブデモ#

講演のハイライトはライブデモでした。Adrianはわずか数行のコードで、顧客数のリアルタイム計測、自動通知、パフォーマンスのベンチマークを実演しました。

図1. マドリードのGoogle for Startups Campusで開催されたYOLO Vision 2023で発表するAdrian Boguszewski。

パフォーマンスが重要#

Intelのハードウェアで実施したベンチマークでは、このソリューションが実環境で有効であることが示されました。Intel Core i7 CPUからIntel Xeonサーバーまで、幅広い環境で優れたパフォーマンスを発揮しました。

簡単なデプロイ#

プレゼンテーションでは、開発に詳しい方向けのスクリプトと、実際に手を動かして試したい方向けのJupyterノートブックという、2つのデプロイ方法が紹介されました。充実したドキュメントと手順ごとの説明により、ソリューションを簡単にデプロイできます。

まとめ#

Adrianは講演の最後に、このようなオープンソースプロジェクトやIntelのEdge AIリファレンスキットを活用して、独自のインテリジェントなキュー管理システムを開発するよう開発者に呼びかけました。

Intelの協賛とYV23でのAdrianの講演は、AI コミュニティにおける連携の価値を示しています。

YouTubeで講演の全編を見る。