<AI開発 part2>転移学習によるCNNの学習
年齢と性別判定のAIつくったらMicrosoftに精度で勝った話。
最近の進捗
AI開発を開始して、もう４か月くらい経っているが、進捗はかなり進んでいる。（というか、ブログに書いてなかっただけ）
構造は述べることができないが（大会に出すためライバルにぬすまれるのを防ぐため(特に某大学）)
単純に既存のCNNモデルを転移学習させただけである。しかし、それだけでは精度は低かったため、独自の工夫を入れている。
結果、のちに述べるが日本人の認識において、高い精度で認識が可能となった。
データセットの問題点
以前の記事で紹介した芸能人のデータセットと別のアジア人データセットを用いている。 芸能人のデータセットは比較的美人であるため、一般人の顔のデータ分布とは離れている。よって、一般人のデータを集める必要があるが、これをアジア人データセットにしたわけだ。 無論、アジア人なので日本人の割合は少ない、そのため、データ割合を少し小さくした。
Let’s 検証
Microsoftの顔認識AIと自作AIに未知の同じ複数の画像を入力し精度を検証する。
精度はグラフにはしないものの、データをとると、
Microsoftの場合、+-10年くらい。
自作の場合、+-5年で収まっている。
これで精度の検証結果とはなんとも杜撰だが、私が検証する限りは自作のほうが精度が高かった。
検証してくれる人を募集してます。
OSSとして公開予定。
ロボカップ大会が終了後、自作のAIはオープンソースとしてGitHubに公開する予定だ。
また、現在は、顕著性マップ［Grad-Cam］、またはAttention構造を取り入れたモデルの開発を行っている。
これにより、AIはどこを注視して年齢を判定したかが人間が直感的にわかるようになる。