にゃーんとわんわん @Doarakko

・2019年12月入社（2社目） ・エンジニア歴1.5年 　- 仕事: Go, PHP 　- 趣味: Python, C++ ・AtCoder 緑 ・海外サッカーをよく見ます 自己紹介 2

3

4

Slackbot を使ってます 5 ・Slack 標準搭載のボット ・誰でも簡単に使える ・改行で区切るとランダムで返る ・画像 URL は展開される

手動追加面倒くさい & 文字数制限あり 6

Bot 作りました 7 ⚽ GitHub: https://github.com/Doarakko/iyashi

Heroku 全体の構成と流れ：画像投稿 8 bot ML model postgres ① ② ③ ④ ⑤

Heroku 全体の構成と流れ：にゃーん 9 bot ML model postgres ① ② ③ ④ にゃーん

使用したもの Slack Bot ・Heroku：Bot を動かしている場所 ・slackbot：Python で簡単に Slack Bot を作成するためのライブラリ 動物の画像認識モデル ・PyTorch：機械学習のライブラリ ・flickr API：動物画像の収集 ・Google Colab：モデル作成の作業場所 10

・超簡単に Slack Bot を作れる ・特定のメッセージに対して、送信・返信・絵文字をつけられる Python のライブラリ slackbot 11 https://github.com/lins05/slackbot

1. データ収集 2. 画像のノイズ除去 3. 前処理 4. 転移学習 5. モデル評価 モデル作成手順 12

flickr API を使って各動物 600 枚の画像を収集（合計 3,000 枚） モデル作成手順（1 / 5）：データ収集 13 flickr: 写真共有サイト

モデル作成手順（2 / 5）：画像のノイズ除去 14 今回はサボりました

モデル作成手順（3 / 5）：前処理 15 今回行ったもの ・画像サイズをあわせる ・正規化 よく行うもの ・ 写真から顔を切り取る（for 顔認識モデル） ・オリジナルを回転した画像を生成（水増し） ・位置の補正

モデル作成手順（4 / 5）：転移学習 16 過学習：模擬試験は 90 点だったけど本番は 30 点 ・学習済みモデルのパラメータをそのまま使用 ・最終層以外のパラメータを学習させないため過学習を抑えられる ・クラス数にあわせて最終層を変更 https://www.youtube.com/watch?v=yv0SzIvIhGk

モデル作成手順（4 / 5）：転移学習 17 ・ImageNet で学習させた ResNet-18 を使用 ・ResNet は最大 152 層（今回は一番小さいものを使用） PyTorch から簡単に学習済みのモデルを使えます https://www.researchgate.net/figure/Proposed-Mod ified-ResNet-18-architecture-for-Bangla-HCR-In-th e-diagram-conv-stands-for_fig1_323063171

モデル作成手順（5 / 5）：モデル評価 18 ・合計 3,000 枚の画像をランダムに分ける（各クラスごとの画像枚数は均等に） 　- 学習用：2,000 枚 　- バリデーション用：500 枚 　- テスト用：500 枚 テスト用のデータに対して Accuracy 0.9820 各データは必ず独立させる（例：学習用とテスト用で同じデータを使わない）

1. データ収集 2. 画像のノイズ除去 3. 前処理 4. 転移学習 5. モデル評価 モデル作成手順（再掲） 19

ルールベース 1：80 % （仮） ・「ネコ」がほとんど（弊社）なので全て「ネコ」として判定 ルールベース 2：90 % （仮） ・A さんは「イヌ」を飼っている → A さんから投稿された画像は全て「イヌ」として判定 ・B さんは「ネコ」と「イヌ」を飼っている → ランダムで判定 機械学習：98 % ・実装難易度、工数、スペシャリスト、運用コスト、 etc 機械学習本当に必要ですか？ 20 本当に機械学習が必要なのか、他に方法がないかしっかりと考える必要がある

付録：誰でもどこでもコーディングフリーで with Heroku Button 21 JSON ファイルを書くだけで簡単にツールを配布可能 ⚽ https://github.com/Doarakko/iyashi

⚽ https://speakerdeck.com/8823scholar/herokuhasi-ndafalseka

にゃーんとわんわん @Doarakko