2023-03-06(月)

参加者

武田様、山森様、宮森様、戸張

議題

1. 前回の議論
2. 【運用について】推論の精度を高めるために
3. 本日の決定事項やTODO

---

1. 前回の議論

山森さんによる採点結果と機械学習による採点結果で乖離がある。 特に「顔立ち」の乖離が大きい。

• [要因]
  • 顔立ちの項目は加点方式のため、精度がよほど高くないと点数が上がりづらいのと、特に「先天的要因」による減点が目立つ
  • そもそもの「先天的要因」の推論精度が低い？
• [対応]
  • データ量(応募者の写真)を増やし精度を高めていく
  • その前にまずは現状の精度（正答率）を計測する（←今ここ）

---

2. 【運用について】推論の精度を高めるために

2-1. 【前回の振り返り】運用フロー

• どれくらいデータを増やせばよいのか？
  • →学習曲線を用いて精度を管理していく
• 機械学習モデルの性能をどう高めていくのか？
  • →以下に具体的な流れ
    1. データ準備
       • 1.写真撮影＆2.フォルダ分け＆3.画像加工
    2. モデル作成（Lobeで自動化）
       • トレーニング＆モデル検証
    3. サービス運用（GCPで自動化）
       • サーバーへデプロイ＆運用＆監視
• そもそも性能を評価するにはどうするのか？
  • →正答率を用いる
• どういった流れで管理していくのか
  • →最初はスプレッドシートとフォルダ管理。後々独自システム化。

2-2. 改善施策

1. 随時データ量を増やしていく
2. 学習用画像データセットの改善
   1. 学習に使用する画像を統一(撮影場所、撮影角度、服装など)
3. 機械学習モデルの分割
   1. 先天的要因を以下の機械学習モデルに分割。
      1. 顎あり顎なし
      2. 斜視ありなし
      3. 三白眼か否か
      4. 顔が左右非対称か否か
      5. 骨盤に張りがあるか否か
   2. 全機械学習モデルの学習用データにおいて、全身写真以外のバストアップ写真を全て顔だけを切り抜き再トレーニング

2-3. 今後の作業内容

• 新しいデータ（応募者写真）に対して
  • プロモデルスタジオ様
    • 写真撮影
    • ラベリング作業（フォルダに仕分け）
  • WEBRAL
    • トリミング作業（Google Cloud Vision APIで自動化）
• 既存データに対して
  • WEBRAL
    • 既存写真のトリミング後、再トレーニング
    • 機械学習モデルの追加

2-4. 今後のスケジュールについて

• 納品（受け入れテスト、操作方法レクチャー）
• 運用フェーズ

---

3. 本日の決定事項やTODO

• 次回打ち合わせ4月10日(月)14時
  • 既存写真のトリミング後、再トレーニング
  • 機械学習モデルの分解