Amazon Rekognitionで 「信玄餅きなこ問題」を解決する

2026/02/14 JAWS-UG山梨 【第10回】勉強会 での登壇資料です。

Transcript

1. Amazon Rekognitionで 「信玄餅きなこ問題」を解決する 2026/02/14 JAWS-UG山梨 【第10回】勉強会 藤井 ひかり
2. ① 検証内容の背景と「Amazon Rekognition」についてご紹介 ② 機械学習未経験者が、実際に「Amazon Rekognition」を 　 利用して「信玄餅きなこ問題」を解決してみる 今回の内容
3. 発表者について フジイ ヒカリ と申します・x・ 社会人1年目：SIerのアーキテクチャチームでSEしてます AWSについて　 保有資格：CLF,AIF,SAA ★昨年12月開催のJAWS-UG Presents - AI Builders Dayを きっかけにAWSに興味をもち、現在絶賛勉強中です！ X：@usanchuu
4. LT内容の背景：山梨×AWS 信玄餅の「きなこ問題」をAmazon Rekognitionで解決！
5. ① 信玄餅と「Amazon Rekognition」についてご紹介
6. 山梨県を代表する銘菓で柔らかい餅にきな粉をまぶし、黒蜜を かけて食べる和菓子 →きなこがこぼれてたべるのがむずかしい！ 山梨の名産品 信玄餅の「きなこ問題」とは ① 信玄餅と「Amazon Rekognition」についてご紹介
7. おもに２種類の食べ方がある ① 信玄餅と「Amazon Rekognition」についてご紹介 ②風呂敷に出して食べる ①そのまま食べる 画像認識でどちらがきれいに食べられるか検証！
8. Amazon Rekognitionとは？ ① 信玄餅と「Amazon Rekognition」についてご紹介 ★画像認識と動画分析の自動化サービス →機械学習の経験がなくても利用できる →事前にトレーニングされたAPIが提供されている →APIのカスタマイズも可能 ★「カスタムラベル」機能 ：自動機械学習 (AutoML) によってカスタムオブジェクトを検出 →わずか10画像でモデルをトレーニング https://aws.amazon.com/jp/rekognition/ より
9. ② Amazon Rekognitionを利用して 「信玄餅きなこ問題」を解決
10. 検証環境構成 ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 S3に学習用画像をアップロード▶Amazon Rekognitionで学習 ▶Lambdaで判定用関数を作成▶テスト ※次のスライドで食べさし の写真がでます 苦手な方がいらっしゃった ら申し訳ございません…
11. Birthday Cakeと判定された… 手順1：Amazon Rekognition汎用モデルを使ってみる ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 デモ＞ラベル検出 でローカルから写真をアップロードするだけで 検出結果を表示してくれる！
12. 手順1：Amazon Rekognitionカスタムモデルを作成する ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 ※次のスライドで食べさしの写真がでます。苦手 な方がいらっしゃったら申し訳ございません…
13. 手順1：Amazon Rekognitionカスタムモデルを作成する ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 ・データセットの作成 ・学習用の画像をアップロード したS3バケットをデータセット に登録 　　　　　　 ▼ ・ラベルを作成 　・wrapping cloth(風呂敷) 　・kinako(きなこ) 　　　　　　▼ ・1枚ずつラベルに該当するオブ ジェクトを囲む
14. 手順1：Amazon Rekognitionカスタムモデルを作成する ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 ・モデルを使用して検証 ・Amazon CLI上に検証したい 画像をアップロード 　　　　　　 ▼ ・画像分析APIコードを実行 ★信頼度スコアがデフォルトで は50％になっているため調整 　　　　　　 ▼ ・設定したラベルの物体の座標 データが出力される
15. 手順2：Lambdaで信玄餅マスター判定ロジックを実装 ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 def 判定ロジック(きな粉, 風呂敷): # 1. 物理判定：そもそもはみ出していな いか？ if きな粉の外側 > 風呂敷の外側: return "OUT (物理的にこぼれてい る)" # 2. 美学判定：ギリギリすぎないか？ margin = 0.01 # 安全マージン 1% if 風呂敷のフチまでの距離 < margin: return " 🚨OUT (こぼれています)" return " ✅SAFE (信玄餅マスター)"
16. ② Amazon Rekognitionを利用して「信玄餅きなこ問題」を解決 case2：風呂敷に出す case1：そのまま 手順2：Lambdaで信玄餅マスター判定ロジックを実装
17. まとめ ★汎用モデルでうまく検出できないニッチなオブジェクトはカスタムラベル で解決できる！ 機械学習経験がなくてもAmazon Rekognitionは使える！ ★単なる検知だけでなく、座標を使えばロジックが組める！ 身近な問題も解決できるポテンシャルがある！