Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
マッチングサービスの画像審査における機械学習の応用 / Application of machine learning in image examination
Search
CyberAgent
PRO
November 07, 2019
Technology
0
1.2k
マッチングサービスの画像審査における機械学習の応用 / Application of machine learning in image examination
マッチングサービスの画像審査における機械学習の応用
秋葉原ラボ 上岡将也
CyberAgent
PRO
November 07, 2019
Tweet
Share
More Decks by CyberAgent
See All by CyberAgent
新規開発と並走したリファクタリング戦略
cyberagentdevelopers
PRO
0
130
大規模Reactアプリのリアーキテクチャ_8万行のTanStack Query移行の奇跡
cyberagentdevelopers
PRO
1
130
CA.swift19_恋するAIアプリ開発の裏側
cyberagentdevelopers
PRO
1
44
CLのウィジェット開発について
cyberagentdevelopers
PRO
1
23
少数チームで挑む: SwiftUI, TCA, KMPを用いた 新規動画配信アプリ
cyberagentdevelopers
PRO
2
36
ABEMAの課金機能の刷新について:- StoreKit2によるiOSのアプリ内課金のリニューアル
cyberagentdevelopers
PRO
0
26
同時に複数購読可能なサブスクリプションを提供する
cyberagentdevelopers
PRO
0
24
Flutter × Rive 魅力的なアニメーション
cyberagentdevelopers
PRO
0
110
Serverpodを活用したDartのフルスタックアプリケーション開発
cyberagentdevelopers
PRO
0
140
Other Decks in Technology
See All in Technology
EMとして2023年度に頑張ったこと / What we did well in FY2023 as a EM
pauli
1
170
20分で完全に理解するGrafanaダッシュボード
hamadakoji
3
670
Terraformあれやこれ/terraform-this-and-that
emiki
8
1.4k
Reducing Cross-Zone Egress at Spotify with Custom gRPC Load Balancing Recap
koh_naga
0
210
非同期推論システムによるコスト削減と信頼性向上
koki_nishihara
0
260
TechFeed Experts Night#27 〜 フロントエンドフレームワーク最前線 (Svelte)
baseballyama
1
530
Building Dashboards as a Hobby
egmc
0
230
DMM.com アルファ室採用案内資料
hsugita
1
160
MapLibreとAmazon Location Service
dayjournal
1
160
web-application-security
matsuihidetoshi
0
170
現代CSSフレームワークの内部実装とその仕組み
poteboy
7
3.6k
JSON攻略法.pdf
miyakemito
8
5.1k
Featured
See All Featured
How GitHub (no longer) Works
holman
304
140k
Building Your Own Lightsaber
phodgson
99
5.7k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
274
13k
Building Adaptive Systems
keathley
31
1.9k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
30
6k
Infographics Made Easy
chrislema
238
18k
Statistics for Hackers
jakevdp
789
220k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
7
1k
Building an army of robots
kneath
300
41k
The World Runs on Bad Software
bkeepers
PRO
61
6.7k
Designing on Purpose - Digital PM Summit 2013
jponch
110
6.5k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
187
16k
Transcript
マッチングサービスの画像審査 における機械学習の応⽤ 株式会社サイバーエージェント 秋葉原ラボ 上岡 将也 Data Engineering & Data
Analysis WS#9
⾃⼰紹介 • 上岡 将也(かみおか まさや) - 技術本部 秋葉原ラボ 画像チーム -
修⼠(画像⽣成)→ 2019年4⽉⼊社 • 仕事内容 - AbemaTVやタップル誕⽣などの動画像を中⼼とした 機械学習システムの開発と運⽤ • 趣味 - 剣道:⼩学⽣〜⼤学⽣まで - ゲーム:Rainbow Six Siege 2
1.「タップル誕⽣」とプロフィール画像 2. プロフ審査⾃動化の開発プロセス 3. 実社会へ機械学習を応⽤するときの課題と⼯夫 4. まとめ
「タップル誕⽣」と プロフィール画像
5
6
7
8
9
10
プロフィール画像 11
審査の基準 例: 不鮮明 ⼈物ではない 複数⼈ 他にも… • 顔のサイズが⼩さい • ⼈物の顔を認識できないもの
• 芸能⼈や明らかに本⼈でない • 個⼈情報が含まれている などなど、 実際には⾮常に細かく厳密な基準を設定 出典:メイン写真の審査について[リンク] 12
厳密な基準に基づく プロフィール画像審査の⾃動化 ⽬的 ※以下、プロフィール画像審査 => プロフ審査と略します 13
プロフ審査⾃動化の 開発プロセス
分析 課題設定 収集 前処理 学習 評価 プロフ審査⾃動化の開発プロセス 15 ※⼀部のiconはhttps://icons8.com/app/から引⽤
分析 課題設定 収集 前処理 学習 評価 プロフ審査⾃動化の開発プロセス 16
分析 課題設定 収集 前処理 学習 評価 プロフ審査⾃動化の開発プロセス 17
分析 課題設定 収集 前処理 学習 評価 プロフ審査⾃動化の開発プロセス 18
分析 課題設定 収集 前処理 学習 評価 機械学習への落とし込み 19
分析 課題設定 収集 前処理 学習 評価 20
分析 課題設定 収集 前処理 学習 評価 データセットの作成 21
分析 課題設定 収集 前処理 学習 評価 22
分析 課題設定 収集 前処理 学習 評価 23
分析 課題設定 収集 前処理 学習 評価 パラメータの変更 ※ 評価が悪ければ…
分析 課題設定 収集 前処理 学習 評価 前処理‧データセットの変更 ※ 評価が悪ければ…
分析 課題設定 収集 前処理 学習 評価 機械学習の問題の変更 ※ 評価が悪ければ…
分析 課題設定 収集 前処理 学習 評価 27 解きたい問題やデータセットが決まっているものが多い ※機械学習の研究分野すべてを指しているわけではありません 機械学習の研究分野では…
分析 課題設定 収集 前処理 学習 評価 データセットの作成 実社会に機械学習を 応⽤する場合は この⼆つも重要!!
機械学習への落とし込み 28
実社会へ機械学習を 応⽤するときの課題と⼯夫
実社会へ機械学習を応⽤するときの課題 1. 機械学習への落とし込み - 複雑な基準 - 再学習の難しさ 2. データセットの作成 -
アノテーションミス - アンダーサンプリング 30
実社会へ機械学習を応⽤するときの課題 1. 機械学習への落とし込み - 複雑な基準 - 再学習の難しさ 2. データセットの作成 -
アノテーションミス - アンダーサンプリング 31
課題:機械学習への落とし込み 1. 複雑な基準 • ⽬的=OKかNGかの2クラス分類 • しかし機械学習の観点から⾒ると、分類だけでは解けない 2. 性能改善の際の再学習の難しさ •
特定のNG理由の画像に対する再学習の依頼がよくある 例:「加⼯されている画像がOKとなってしまっているので再学習お願いします。」 32
解決例:プロフ審査 1. 複雑な基準 • 分類、顔検出などを考慮して、フィルタを分ける 2. 性能改善の際の再学習の難しさ • 再学習の頻度によってフィルタを分ける 顔検出
分類 ‧ ‧ ‧ 複数⼈ 承認 加⼯ ※あくまでイメージです ◦ 複数フィルタに分ける 33 ⼈間以外 注意 全体の精度や処理速度、リソースを考慮する必要あり 顔サイズ⼩
実社会へ機械学習を応⽤するときの課題 1. 機械学習への落とし込み - 複雑な基準 - 再学習の難しさ 2. データセットの作成 -
アノテーションミス - アンダーサンプリング 34
実社会へ機械学習を応⽤するときの課題 1. 機械学習への落とし込み - 複雑な基準 - 再学習の難しさ 2. データセットの作成 -
アノテーションミス - アンダーサンプリング 35
アノテーションミス • ⼈間なのでミスは必ず存在する - ただ機械学習にはそれが致命的 - 再アノテーション => コストと 時間
36
アノテーションミス • ⼈間なのでミスは必ず存在する - ただ機械学習にはそれが致命的 - 再アノテーション => コストと 時間
データを綺麗にするためにも機械学習を使う 37
データを綺麗にするための機械学習の使⽤ 1. 公開されている学習済みモデルや外部のAPIを使⽤する 例: 「⼈間以外」の教師ラベルがついたデータから、「⼈間」が写っているものを取り除く 2. ⾃分で学習させたModel_version1の推論を使⽤する 例: Model_version1の推論結果と教師ラベルが違うものを候補として再アノテーションする ※あくまで候補の抽出として使⽤
38
実社会へ機械学習を応⽤するときの課題 1. 機械学習への落とし込み - 複雑な基準 - 再学習の難しさ 2. データセットの作成 -
アノテーションミス - アンダーサンプリング 39
アンダーサンプリング • 不均衡なデータをアンダーサンプリングするときの⼯夫 1. 同⼀⼈物のデータ数を制限する 2. 同⼀⼈物の短期間の申請画像のうち、NGな画像とOKの画像がある場合、学習 データセットに必ず追加する NG OK
プロフ審査の現状 • ⾃動承認のみ適⽤ - 機械学習システムが OK としたものは⾃動で承認、NG としたものを⽬視で再度審査する • 効果
- コスト削減 - 審査の⾼速化 - ブレの防⽌ • 精度(precision) - 99%以上を常にキープ • 品質管理 - ユーザーからの通報だけでなく、⾃動承認したものを⼀部⽬視でも確認 41
まとめ
まとめ • 「タップル誕⽣」のプロフ審査における機械学習の応⽤ - 機械学習への落とし込み や データセットの作成 も重要 • 複数フィルタに分ける
• データを綺麗にすることにも機械学習を使⽤ • 注⽬している研究分野 - 不均衡データ - 半教師あり学習 - 弱教師あり学習 43
ありがとうございました