本日（2025年7月3日）、サイバーコアのReID（再認識）技術について、日本経済新聞電子版［会員限定記事］に掲載されました。

【日本経済新聞】画像解析の盛岡・サイバーコア、AI「人物再認識」技術を拡大へ

サイバーコアReID技術詳細についてはこちらのページをご確認ください。

サイバーコアのReID(再認識)技術についてのページを開設しました。

ReID技術は、マルチカメラトラッキング、カメラまたぎ追跡とも呼ばれ、サイバーコアは論文評価サイト「Papers with Code」で車両ReID、人物ReIDともにランキングNo.1の実績があるほか、
BehaveEye®や交通インフラ関連システムにおいてReID技術の社会実装を進めております。

ReID(再認識)技術ページはこちら。

電気興業株式会社(本社:東京都千代田区、代表取締役社⻑:近藤忠登史)と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)は、盛岡ターミナルビル株式会社様ご協力のもと、盛岡駅ビル「フェザン」(以下、フェザン)にて、サイバーコアのエッジ人流解析ソリューション「FlowEye®」の実証実験を実施いたしました。

本実証実験では、商業施設においてエッジ人流解析ソリューションをマーケティングに活用する可能性を確認いたしました。

一般的な人流解析で実施する来店者傾向(時間帯別・属性別)の可視化に加え、サイバーコアが得意とするReID技術を用いたリピーター入店解析も実施。
解析はエッジAIカメラでリアルタイムに行うため、カメラの映像データを保存することなく、プライバシーに配慮した運用が可能です。
解析データは統計データのみ出力され、現場での迅速な意思決定を可能にする FlowEye® のリアルタイムダッシュボードをご提供いたしました。

また、商業施設の入り口にエッジAIカメラを設置のみで、複雑な配線や大規模工事を必要としないエッジAIカメラシステムの導入を実現しております。
今回の実証実験を踏まえ、当社はショッピングセンター・商業施設といったリテール分野を中心に、AI解析データの利活用を提案・推進してまいります。

※FlowEye®はサイバーコアの登録商標となります。

詳しくは、電気興業のプレスリリースをご覧ください：
https://denkikogyo.co.jp/11986/

電気興業株式会社(本社:東京都千代田区、代表取締役社⻑:近藤忠登史)と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)は、JR東日本盛岡支社様ご協力のもと、流動調査のDX化を目的として、AIによる映像解析技術を用いたJR駅構内における旅客の流動調査(以下、本調査)の実証実験を実施いたしました。

本調査では、駅構内に設置した5台のカメラ映像を活用し、サイバーコアの行動解析ソリューションであるBehaveEye®と、カメラをまたいだ人物再認識を行うReID技術を用いて、導線解析の技術検証を行いました。

本件は駅構内における乗客の入口（降車ホームや改札）と出口（乗車ホームや改札）の解析をすることで、混雑緩和や駅施設の最適化、利用者の安全性向上など、より快適な駅環境の実現を目指す取り組みですが、これには異なるカメラをまたいで同一人物の識別を行うReID技術が必須となります。

また、個人情報保護の観点からエッジデバイスによる解析ニーズも高く、この点でサイバーコアのBehaveEye®やHI（ハードウエア実装）技術が貢献できると考えております。

詳しくは、電気興業のプレスリリースをご覧ください：
https://denkikogyo.co.jp/11740/

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

　サイバーコアの技術チームが開発した車両再識別（Vehicle Re-Identification）アルゴリズムが、2021年4月25日の時点で世界中のAIに関する論文を集めたサイト「Papers with Code」の該当カテゴリーでNo.1精度として評価されています。¹

　車両再識別とは、異なるカメラ間で同一の車両を識別する技術で、異なる解像度、カメラの角度、光の当たり方などの条件下で高い精度を出すには非常に高度な技術を要します。

　今回のアルゴリズムは、2021年度のAIコンペティション「AI City Challenge」に参加するために開発。同コンペティションの第2のテーマ：Challenge Track 2：City-Scale Multi-Camera Vehicle Re-Identification（都市全体に対応する複数カメラの車両再識別）に該当するものです。なお、サイバーコアは同コンペティションでは世界9位（参加チーム数確認中）という結果を残しました。

　今回開発したアルゴリズムについてサイバーコアは論文を作成、大会に連動する「CVPR Workshop 2021」に提出しました。その結果として、AI論文を評価する「Papers with Code」でピックアップされ、該当するカテゴリー（Vehicle Re-Identification）の中で最も精度が高いものとして評価されました。

1 「papers with code」は定期的に更新され、現在は1位ですが、将来はランク下がることもありえます。

該当論文のタイトル：「A Strong Baseline for Vehicle Re-Identification」

以下、関連するURL

Papers with code – Vehicle Re-Identificationカテゴリー

https://paperswithcode.com/task/vehicle-re-identification

Papers with code – 論文のページ（2021年4月にて、Global Rank: #1） https://paperswithcode.com/paper/a-strong-baseline-for-vehicle-re

論文のページ（オープンジャーナル） – https://arxiv.org/abs/2104.10850v1