インテル® Core™ プロセッサー
インテルの詳細情報
ブログ
デル・テクノロジーズ提供 | 2023年5月24日
グレート バリア リーフを保護するためにデル・テクノロジーズのディープ ラーニングが世界中のボランティアを支援
Citizens of the Great Barrier Reefが次世代のGreat Reef Census分析プラットフォームを立ち上げ、新たなディープ ラーニング テクノロジーがより有益な情報を保全活動にもたらしていますデル・テクノロジーズ提供 | 2023年5月24日
We partnered with Australian based Citizens of the Great Barrier Reef to create a Dell AI solution, accelerated by #IntelXeon to transform reef analysis and conservation, helping them scale to new depths in their mission and in the ocean.
Citizens of the Great Barrier ReefのCEO（最高経営責任者）兼創設者であるAndy Ridley氏は、「グレート バリア リーフは世界で最も広大なサンゴ礁生態系であり、イタリアよりも広く、宇宙からも見える」と言っています。「白化現象やサンゴを食べるオニヒトデの大発生といった脅威が、グレート バリア リーフの繊細な生態系の広範囲にダメージを与えています。サンゴ礁の直接的な管理保全を可能にするには、サンゴ礁間の連結性を理解することが鍵となります。これまで研究者たちが観察できていたのは、3,000ある個々のサンゴ礁の約5～10%に過ぎず、十分な情報に基づいて保全活動の意思決定を下すことが困難でした。」
サンゴ礁の記録を増やす必要があったCitizens of the Great Barrier ReefのGRCは、観光客に協力を仰ぎ、グレート バリア リーフの数百地点で数千枚の調査画像が撮影されました。その後、市民科学者と呼ばれる世界中のボランティアが、海洋構造とサンゴ礁の健康状態に基づいて画像を分類しています。これらのデータに基づいて、クイーンズランド大学(UQ)とジェームズ クック大学(JCU)の研究者らがGBRオニヒトデ(COTS)管理チームと観光機関に助言し、これらは喫緊のサンゴ礁保全活動を優先させることができます。
Dellの新しいディープ ラーニング モデルはこのプロセスを加速させ、毎年の産卵期など、年間の重要な時期に最も必要な地域で速やかな回復を図るための市民科学者の取り組みに役立っています。
これまでの成功に基づいたモデル
Dellは、GRCの海洋保全活動向けとして、堅牢なデバイスと船上用のモバイル ネットワークを組み合わせたエッジ ソリューションを開発し、リアルタイムで画像を保存して、陸地に近づくと自動アップロードできるようにしました。市民科学者たちは、さまざまな部位に境界線を引いて、画像のラベリングを行っていました。
市民科学者たちが13,000枚を超える画像を手作業で分析するには多大な時間が必要になる上、正確性にも欠けます。2回目のGRCでは42,000枚の画像が集められ、その数は前回の調査から大幅に増加しました。この量の画像を分析するには、将来予想されるデータ セットの増加に合わせて拡張できるテクノロジー、つまりディープ ラーニング モデルが必要でした。ディープ ラーニング モデルを使用すれば、観光客はサンゴ礁にいる間に、写真を撮影して、一元管理された調査ポータルに写真をアップロードできます。ディープ ラーニング モデルは、境界線を手作業で引くよりも短時間で正確に各部位を検出します。市民科学者たちは、すでに検出されている境界線を利用して、サンゴの種類をラベリングするだけです。
これまでの調査では写真1枚の分析に7～8分かかっていましたが、ディープ ラーニングでは1分かかりません。初回のGRCでは画像13,000枚の確認に1,516時間かかっていましたが、新しいモデルでは200時間かからずに同じデータセットを分析できるため、市民科学者たちはより重要なラベリング作業に専念できます。
ディープ ラーニング セマンティック セグメンテーション モデルでは、モデルをトレーニングするためのDellのハイパフォーマンス コンピューティング(HPC)グラフィックス処理ユニット(GPU)高速化システムと、データを格納するためのDell PowerScaleシステムを採用しています。陸地にあるコンピューティング プラットフォームには、AIトレーニング クラスターと複数のAI推論エンジンをサポートするDell PowerEdgeサーバーが使用されています。
Dellは海洋専門家と協力して、144種のサンゴ礁生物を5つの主要な保全カテゴリーに分類し、これによりディープ ラーニング モデルは、各画像のサンゴを効率的かつ正確にカテゴリーに分類できるようになりました。
Dellのエッジ ソリューションとディープ ラーニング モデルは、再現性と拡張性に優れたソリューションです。Citizens of the Great Barrier Reefの創設者であるAndy Ridley氏は、Dellのテクノロジー ソリューションを活用したGRCを、世界各地のサンゴ礁に展開したいと考えています。オーストラリア以外の最初の試験地はインドネシアを予定しています。
シンガポールのDellデータサイエンス チームと協力し、一部モデルの継続的な改良と広範なコミュニティ テストが行われ、ベンチマーク基準が満たされていることが確認されました。Dellのエキスパートは、約3,000万のパラメーターがあるセマンティック セグメンテーション モデル、SegNetでモデルのトレーニングを行いました。こうして生み出された堅牢なディープ ラーニング モデルに、さらなるデータでトレーニングが行われ、継続的に改良されていきます。
サンゴ礁の記録を増やす必要があったCitizens of the Great Barrier ReefのGRCは、観光客に協力を仰ぎ、グレート バリア リーフの数百地点で数千枚の調査画像が撮影されました。その後、市民科学者と呼ばれる世界中のボランティアが、海洋構造とサンゴ礁の健康状態に基づいて画像を分類しています。これらのデータに基づいて、クイーンズランド大学(UQ)とジェームズ クック大学(JCU)の研究者らがGBRオニヒトデ(COTS)管理チームと観光機関に助言し、これらは喫緊のサンゴ礁保全活動を優先させることができます。
Dellの新しいディープ ラーニング モデルはこのプロセスを加速させ、毎年の産卵期など、年間の重要な時期に最も必要な地域で速やかな回復を図るための市民科学者の取り組みに役立っています。
これまでの成功に基づいたモデル
Dellは、GRCの海洋保全活動向けとして、堅牢なデバイスと船上用のモバイル ネットワークを組み合わせたエッジ ソリューションを開発し、リアルタイムで画像を保存して、陸地に近づくと自動アップロードできるようにしました。市民科学者たちは、さまざまな部位に境界線を引いて、画像のラベリングを行っていました。
市民科学者たちが13,000枚を超える画像を手作業で分析するには多大な時間が必要になる上、正確性にも欠けます。2回目のGRCでは42,000枚の画像が集められ、その数は前回の調査から大幅に増加しました。この量の画像を分析するには、将来予想されるデータ セットの増加に合わせて拡張できるテクノロジー、つまりディープ ラーニング モデルが必要でした。ディープ ラーニング モデルを使用すれば、観光客はサンゴ礁にいる間に、写真を撮影して、一元管理された調査ポータルに写真をアップロードできます。ディープ ラーニング モデルは、境界線を手作業で引くよりも短時間で正確に各部位を検出します。市民科学者たちは、すでに検出されている境界線を利用して、サンゴの種類をラベリングするだけです。
これまでの調査では写真1枚の分析に7～8分かかっていましたが、ディープ ラーニングでは1分かかりません。初回のGRCでは画像13,000枚の確認に1,516時間かかっていましたが、新しいモデルでは200時間かからずに同じデータセットを分析できるため、市民科学者たちはより重要なラベリング作業に専念できます。
ディープ ラーニング セマンティック セグメンテーション モデルでは、モデルをトレーニングするためのDellのハイパフォーマンス コンピューティング(HPC)グラフィックス処理ユニット(GPU)高速化システムと、データを格納するためのDell PowerScaleシステムを採用しています。陸地にあるコンピューティング プラットフォームには、AIトレーニング クラスターと複数のAI推論エンジンをサポートするDell PowerEdgeサーバーが使用されています。
Dellは海洋専門家と協力して、144種のサンゴ礁生物を5つの主要な保全カテゴリーに分類し、これによりディープ ラーニング モデルは、各画像のサンゴを効率的かつ正確にカテゴリーに分類できるようになりました。
Dellのエッジ ソリューションとディープ ラーニング モデルは、再現性と拡張性に優れたソリューションです。Citizens of the Great Barrier Reefの創設者であるAndy Ridley氏は、Dellのテクノロジー ソリューションを活用したGRCを、世界各地のサンゴ礁に展開したいと考えています。オーストラリア以外の最初の試験地はインドネシアを予定しています。
シンガポールのDellデータサイエンス チームと協力し、一部モデルの継続的な改良と広範なコミュニティ テストが行われ、ベンチマーク基準が満たされていることが確認されました。Dellのエキスパートは、約3,000万のパラメーターがあるセマンティック セグメンテーション モデル、SegNetでモデルのトレーニングを行いました。こうして生み出された堅牢なディープ ラーニング モデルに、さらなるデータでトレーニングが行われ、継続的に改良されていきます。
 | 執筆者：デル・テクノロジーズ |