参加者
武田様、山森様、宮森様、戸張
議題
1. 前回の議論
推論精度（正答率）の低い機械学習モデルに ついて、以下の対応を行った。
- 学習用のデータを増やす
- 学習用画像データセットの改善
- 学習に使用する画像を統一(撮影場所、撮影角度、服装など)
- 顔周りだけをトリミング
- 機械学習モデルの分割
- 先天的要因を以下の機械学習モデルに分割。
- 顎あり顎なし
- 斜視ありなし
- 三白眼か否か
- 顔が左右非対称か否か
- 骨盤に張りがあるか否か
- 先天的要因を以下の機械学習モデルに分割。
結果、正答率が10〜30％台から、50〜70％台に向上した。
引き続き、精度が低いままである機械学習モデルについて、上機と同様の対応を行う。
2. 改善施策
データ量が増えたことで精度（正答率）が向上したものもあれば、ほぼ変化ないものもありました。 また、以下の精度の低い複数選択の項目を単一選択にし、分解しました。
- 肌質
- 脚のバランス
- 鼻の形（正面）
- 鼻の形（横向き）
- 笑顔の形
結果、トリミングが可能であるバストアップ写真や笑顔写真については大幅に正答率が向上。
ただし、選択肢に偏りがあるものは、確かに90％近くマークしたものの、選択肢に偏りがないもの（顔の左右対称性など）は精度にまだバラツキがある。
3. 本日の決定事項やTODO
- 正答率以外に、特異度（実際に負であるもののうち，負であると予測されたものの割合）を算出
- 全身を測定できる機械学習モデルをリサーチして試してみる
- PoseNet
- $ npm install @tensorflow-models/posenet
- https://note.com/npaka/n/nc30d06ac2009
- 顔立ちの採点方式を修正