シダックス大新東ヒューマンサービス株式会社と開発した、画像解析ＡＩによる図書館蔵書管理システム「KoKoBo（ココボ）システム」を搭載したDX業務ロボットを、受託運営する岩手県平泉町の複合施設「平泉町学習交流施設 エピカ」内の図書館に導入することについて、2024年9月7日（土）、お披露目会を実施いたしました。

詳細につきましては、シダックス大新東ヒューマンサービス様のプレスリリースをご確認ください：

画像解析AIによる図書館蔵書管理システム
KoKoBo（ココボ）システム」搭載ロボットを
岩手県平泉町の受託運営図書館に導入
https://www.shidax.co.jp/corporate/press-release/2024/0909/

岩手日報電子版記事はこちら

事業を通じて社会課題解決を実現する総合サービス企業シダックスグループで、主に自治体の公共施設（図書館や観光施設等）、学童保育、学校給食調理等の受託運営を行うシダックス大新東ヒューマンサービス株式会社（本社：東京都渋谷区、以下、SDH）と共同で、2024年9月、画像解析ＡＩによる図書館蔵書管理システム「KoKoBo（ココボ）システム」を開発しました。

本システムをDX業務ロボット「ugo Pro」（ユーゴー プロ）に搭載し、2024年9月7日（土）、かねてより本システムの実証実験を行っていたSDHが受託運営する岩手県平泉町の複合施設「平泉町学習交流施設 エピカ」内の図書館（平泉町立図書館）に試験導入いたします。

詳細は、以下リリースをご確認ください：

画像解析AIによる図書館蔵書管理システム
「KoKoBo（ココボ）システム」を開発
～株式会社サイバーコアと共同開発。本システムの特許を出願～
https://www.shidax.co.jp/corporate/press-release/2024/090501/

8月22日（木）日経新聞電子版に、白石食品工業様とのお取り組みが紹介されました。

パン製造過程における当社と開発したAI検品（良品学習）システムのご紹介をいただいております。
これにより豆パンという一意には定まらない仕上がりが求められる商品の検品を可能にしております。

盛岡･白石食品、AI検品と商品絞り込み　売上高8%増へ
https://www.nikkei.com/article/DGXZQOCC133JA0T10C24A8000000/

株式会社サイバーコア（本社：岩手県盛岡市　社長：玉木 由浩）はこのたび、小田急電鉄株式会社（本社：東京都新宿区　社長：鈴木 滋）と共同し、列車出発時における「ホーム端の黄色い点字ブロックと列車の間に人がいる場合」と、「閉扉後に傘などが挟まっている場合」を自動検知して知らせるためのアルゴリズムを開発しました。

実際の駅環境でこのアルゴリズムの有効性を検証するため、２０２４年８月２１日（水）から２０２５年２月頃にかけて、小田急線新百合ヶ丘駅５番ホームにて画像解析AI技術を活用し、列車出発時のホームにおける安全確認に資するシステムを構築するための実証実験を行います。

詳しくは、添付プレスリリースをご確認ください。

電気興業（DKK）グループである当社サイバーコアは、親会社である電気興業株式会社（本社：東京都千代田区、代表取締役社長：近藤忠登史）との協働で、高知県高知市の帯屋町筋（おびやまちすじ）商店街にデジタルデータを活用した経営課題の解決や商店街の活性化を目的とした、AIを用いた人流データを取得するシステム（以下、AI人流・交通分析システム）の整備を開始したことをお知らせいたします。

2023年5月30日に発表した岩手県盛岡市でのAIカメラ人流分析システムの実績をもとに、デジタル技術を活用し人流・交通データを常時把握し、より有用性の高いデータを取得するため、帯屋町筋商店街にAIカメラ5台を設置し、人流・交通データを取得するシステムの整備を提案し採択いただきました。これにより、帯屋町筋商店街の新たな企画立案および効果検証、商店街全体の活性化などの効果的なマーケティングにつながることが期待されます。

なお、このAI人流・交通分析システムの整備にあたっては、電気興業株式会社および当社のほか、盛岡まちづくり株式会社の取り組みサポート業務、そして地元高知で電気工事、および電気通信工事に信頼と実績のある土佐通信システム株式会社の4社の力を結集し、進めてまいります。

詳細については下記の電気興業株式会社によるプレスリリースをご参照ください。

高知県高知市帯屋町筋商店街　AIカメラ人流分析システムの整備を開始
https://prtimes.jp/main/html/rd/p/000000003.000145373.html

高知県高知市帯屋町筋商店街　AI人流・交通分析システムの整備を開始～デジタルデータを活用した商店街の活性化へ～
https://denkikogyo.co.jp/10345/

株式会社サイバーコアが NVIDIA Metropolis に加わり、製造業やリテール、インフラストラクチャなどのアプリケーション向けソリューション開発を強化

株式会社サイバーコア(本社:岩手県盛岡市、代表取締役: 玉木由浩、以下「サイバーコア」)はこのたび、新世代のビジョンAIアプリケーションの市場投入を目的としたパートナープログラム「NVIDIA Metropolis」に参画したことをお知らせします。
NVIDIA Metropolis プログラムは、ビジョンAIアプリケーション開発における豊かなエコシステムを育成し、世界で最も重要な開発環境と運用をより安全で効率的にするように設計された、強力な開発者ツールを提供しています。

サイバーコアは NVIDIA Metropolis のメンバーとして、 NVIDIA の広範かつ最先端のテクノロジを統合することで、製造業、リテール、交通インフラ、建設、行政などの多岐にわたるニーズを満たすべく、エネルギー効率や費用対効果の高い AI ソリューションの提供態勢を加速してまいります。

サイバーコアは、 NVIDIA Jetson エッジ AI およびロボティクス プラットフォームと、 NVIDIA DeepStream ソフトウェア開発キットの力を活用して、最先端の AI アプリケーションを実装し、顧客へ提供してまいりました。このたびの NVIDIA Metropolis パートナー参加により、NVIDIA Metropolis プログラムで提供されるテクノロジーとエコシステムを最大限活用し、エッジコンピューティング、ロボティクス、 AI の相乗効果を活用して、当社のミッションである「人類のくらしを豊かにする」ソリューションの提供を加速させてまいります。

◇NVIDIA Metropolisについて
NVIDIA Metropolis は、企業、政府機関、統合パートナーが世界クラスの AI 対応ソリューションを使用して、重要な運用効率と安全性の問題を改善することを、より簡単かつコスト効率の高いものにします。NVIDIA Metropolis エコシステムには、最先端の AI 技術と最も効率的な展開プラットフォームに投資し、ソリューションにエンタープライズ クラスのアプローチを採用している、大規模で拡大しているメンバーが含まれています。メンバーは、NVIDIA プラットフォームのアップデートにいち早くアクセスして、AI アプリケーション開発の取り組みをさらに強化および加速できます。さらに、このプログラムは、メンバーが業界をリードする専門家や他のAI主導の組織と協力する機会を提供します。

◇サイバーコア代表取締役　玉木由浩 コメント
本プログラムへの参加により、当社の強みであるアルゴリズムの高度化、コンパクト化技術を更に進化させ、より多くのお客様の課題解決、価値創造、ひいては社会課題解決へ貢献を進めてまいります。

◇株式会社サイバーコアについて
2007年の創業以来画像AI技術の開発に特化し、鮮明化や軽量化などの独自技術を確立。セキュリティ、リテール、公共交通（鉄道等）、FA（ファクトリーオートメーション）、自動車など、様々な業界・分野で独自技術を納入してまいりました。CVPR*1で行われた2021年及び2022年のAI国際コンペティションで部門優勝、NIST*2が実施した顔認証技術のベンチマークテストでも2022年にカテゴリで世界9位、日本企業中1位になるなど、その技術力の高さは世界的に認められた実績があります。電気興業株式会社（DKK）グループ。

*1 コンピュータービジョンに関する世界最大級のカンファレンス
*2 米国国立標準技術研究所

Some style-transferred samples in Market-1501 dataset. Each image, originally taken by a specific camera, is transformed to align with the styles of the other five cameras, both within the training and test data. The real images are shown on the left, while their corresponding style-transferred counterparts are shown on the right.

CORE-ReID ranked 1st on Papers with Code

CORE-ReID, Cybercore’s Unsupervised Domain Adaptation for Person Re-ID algorithm, is ranked in the 1st place, in the relevant category on “Papers with Code”, a site for publishing papers that gather researchers from all over the world.

The algorithm’s name is derived from our company name, CORE in “Cyber Core.” The research was carried out by our AI engineers in collaboration with the PRIMA lab, led by Dr. Prima at Iwate Prefectural University (http://p-www.iwate-pu.ac.jp/~prima/).

Features of CORE-ReID:
The features of CORE-ReID are as follows:
1. Novel Dynamic Fine-Tuning Approach with Camera-Aware Style Transfer using Generative AI: We introduce a pioneering fine-tuning strategy that employs a camera-aware style transfer model for Re-ID data augmentation. This novel approach not only addresses disparities in images captured by different cameras but also mitigates the impact of Convolutional Neural Network (CNN) overfitting on the source domain
2. Innovative Efficient Channel Attention Block (ECAB): We develop a groundbreaking ECAB that leverages the inter-channel relationships of features to guide the model’s attention to meaningful structures within the input image. This innovation enhances feature extraction and focuses the model on critical identity-related features.
3. CORE Framework with Ensemble Fusion of Global and Local Features: We establish the CORE (Comprehensive Optimization and Refinement through Ensemble Fusion) framework, which utilizes a novel pair of teacher-student networks to perform an adaptive fusion of global and local (top and bottom) features for multi-level clustering with the objective of generating diverse pseudo-labels. By proposing the Bidirectional Mean Feature Normalization (BMFN), the model can increase its discriminability at the feature level and address key limitations in existing methods.

Experimental results conducted on three widely used UDA Person Re-ID datasets demonstrate that our CORE-ReID outperforms state-of-the-art approaches in terms of performance.

Paper Title: “CORE-ReID: Comprehensive Optimization and Refinement through Ensemble fusion in Domain Adaptation for person re-identification”.

Related URLs:
Papers with code – Unsupervised Domain Adaptation’s benchmark – https://paperswithcode.com/task/unsupervised-domain-adaptation
Papers with code – https://paperswithcode.com/paper/core-reid-comprehensive-optimization-and
Paper – https://www.mdpi.com/2674-113X/3/2/12
Project Page – https://trinhquocnguyen.github.io/core-reid-homepage

生成AIを活用したサイバーコアのRe-ID（人物再認識）アルゴリズム「CORE-ReID」が論文掲載サイト「Papers with Code」の該当カテゴリで1位にランクイン

サイバーコアのUnsupervised Domain Adaptation（UDA、教師なしドメインアダプテーション）Re-ID（Re Identification、人物や対象物の再認識）アルゴリズムであるCORE-ReIDが、世界中の研究者が集まる論文掲載サイト、Papers with Codeで該当カテゴリ1位にランクされました。

CORE-ReIDアルゴリズムの名前は、サイバーコアに由来しています。本研究は、当社と岩手県立大学のプリマ オキ ディッキ アルディアンシャー博士および研究室と共同で、当社のAIエンジニアが実施しました。

CORE-ReIDの特長：
CORE-ReIDの特長は、以下の4つの点になります：
1. CycleGANによる学習データ生成:　CycleGANを利用して、事前学習段階で多様なデータを作成し、さまざまなカメラソースからの画像特性を調和させました。
2. Teacher-Student Networks for Multi-View Features:　異なる画角の特徴量学習のためのTeacher-Student（教師-生徒）ネットワークの活用。
3. Innovative Efficient Channel Attention Block (ECAB):　特長のチャネル間の関係を活用し、入力画像内の意味のある構造に焦点を当てて学習を強化し、特徴抽出を強化。
4. COREフレームワーク:　効率的なチャネルアテンションブロック:　 CORE(Comprehensive Optimization and Refinement through Ensemble Fusion)フレームワークは、グローバルとローカル(上部と下部)の特徴の適応的融合を実行可能にします。

広く用いられている3つのUDA Person ReIDデータセットでベンチマークを実施した結果、CORE-ReIDの性能は、他の最先端アプローチよりも優れている点が示されました。

論文タイトル: “CORE-ReID: Comprehensive Optimization and Refinement through Ensemble fusion in Domain Adaptation for person re-identification”.

Related URLs:
Papers with code – Unsupervised Domain Adaptation’s benchmark – https://paperswithcode.com/task/unsupervised-domain-adaptation
Papers with code – https://paperswithcode.com/paper/core-reid-comprehensive-optimization-and
Paper – https://www.mdpi.com/2674-113X/3/2/12
Project Page – https://trinhquocnguyen.github.io/core-reid-homepage

A robotics manufacturer [ugo, inc.] and [Cybercore Co., Ltd] have officially commenced collaboration aiming to provide business-purpose DX solutions.
Cybercore’s image analysis AI technology provides highly accurate analysis of numerical and textual data from images taken by the robot, which enables various advanced inspection tasks in conjunction with ugo robots.
Cybercore will accelerate the integration of robotics and AI from here on.
For more details, please refer our press release (available only in Japansese):
PR TIMES (Japanese)

PR TIMESへ