銀_類似画像検索コンペ_202206_signate_タナチョー

signateの部材コンペに参加したレポートです。
https://signate.jp/competitions/720

Transcript

1. サマリー • 参加コンペ： – https://signate.jp/competitions/720 • 参加者： – チームは組んだが実働１人のみ（私） • 順位： – 14位（シルバー） • 備考： – 情報公開ポリシーがキビシイコンペ。 – モデルも分析結果も公開NGなので、言える範囲だけ。
2. データ、タスク概要 • データ・ルール特徴 – 似ている部材を見分けるコンペ – 未知のデータも認識する必要あり • 難しかったところ – タスクの理解 • シンプルなクラス分類に見えなくも ないが距離学習。 – 実装 • Signateが用意したサーバーで動 作するように記述するのが大変。
3. アプローチ • 距離学習（arcface）の適応の利用＋FAISS – Arcfaceとは？ • リンク：モダンな深層距離学習 (deep metric learning) 手法: SphereFace, CosFace, ArcFace - Qiita • 概要：顔認識等の個体識別問題を解決するための手段。 • 選定理由：以前参加した、クジライルカコンペで環境を立ち上げていたので。 – Happywhale - Whale and Dolphin Identification | Kaggle – FAISSとは？ • リンク：GPU対応の類似検索(最近傍探索)ライブラリ Faissの紹介 part1 導入/チュートリアル – Rest Term (rest-term.com) • 概要：Facebookが開発している近似近傍探索のOSS • 学習パラメータなどは、データを用いて得られた知見に含まれるためごめんなさい。
4. 所感 • 学習パラメータはもう少しいじってもよかったなーと。 – 業務でOptunaを立ち上げたので今後使ってみる。 • タスクの説明文が難しく、日本語の理解の重要性を再認識 • Trust CV！