AIQuest2020で実施した基盤画像分類コンペのお話です

1. 基盤画像分類
コンペのお話
Takeru Kurihara ( @Ruketa )

2. あなたはだれ？
栗原健（くりはら たける）
Twitter：Ruketa(@kuripoon)
ランニング
Personal
製造業向けシステム開発
例：CAD/CAM
Favorite
Work
・業務の合間に勉強中
・好きなライブラリ
Pytorch
Machine Learning

3. AIQuestについて

4. コンペってなに？
主催者側から提供されたデータで分析を行い
参加者間でスコアを競うイベント

5. コンペの概要
データ
分析
モデル
作成
推論
結果
提出
ランキング
Public
Leader
Board
期間中は何度も繰り返す
ランキング
Private
Leader
Board
Public と Privateの違い

6. コンペの内容
課題設定
基盤画像からハンダの良品・不良品判定
画像数
良品:100枚、不良品（角：57枚、ブリッジ：30枚、芋：103枚）
評価指標：F1スコア → 1.0に近い程良い値

7. コンペの結果
最終順位：68位 / 225人
最終スコア：0.9215686
提出回数：30
期間：10/15 ～ 11/06
約3週間

8. やったこと

9. ベースラインの作成
1. 学習用データ読込
2. 前処理：リサイズ（224 X 224）
3. モデル作成
a. VGG16で転移学習
b. 良品、不良品の2分類
4. 学習
a. Epoch数：10, Batch size : 64くらい, 最適化：Adam
5. 評価（Hold out ⇒ ８：２で分割）
6. 提出データ作成して提出
⇒ スコアは0.8くらいでした。

10. 前処理の追加
基盤部分の切り取り
元画像
必要なのはここだけ
背景は不要

11. 基盤の切り抜き
OpenCVで対応
元画像 グレースケール 2値化 矩形抽出
結果

12. データ水増し
⇒ 効果あったが、Epoch数増やさないとLossが下がりきらない
Epoch数を上げて対応。10 ⇒ 100くらい
学習時間が30～40分くらいになる

13. 回転、反転（水増しに利用）
・Pytorchの以下のメソッドを使用
・torchvision.transforms.RandomHorizontalFlip
・torchvision.transforms.RandomRotation

14. 良・不良 ⇒ 正常・芋・角・ブリッジ
２分類から4分類へ
リサイズ
Convolution
VGG16
良：0.6
角：0.1
芋：0.1
ブリッジ：0.2

15. 分類モデルの変更
VGG16より新しいモデルを試した
・Resnet（50, 152 … ）
・DenseNet
・EfficientNet
試した時点では劇的な効果なかった。。。
前処理 ＞ モデル

16. 学習パラメータの調整
実行環境はGoogleColaboratoryを使っていた。
何度もGPUリソースの使用上限に達して辛かった。⇒12ｈ以上待たないといけない。

17. ここまでやって期限前日になった
目標：100位より上、頑張って50位以上
この時の順位：120位くらい
PL：0.87
上位は0.98 ～ 0.99で争ってた。。。

18. さいごの悪あがき
とりあえず、推論結果を眺める

19. さいごの悪あがき
んっ？ 結構結果がバラついている
1 0 0 0 1 1 0 0 2 0

20. さいごの悪あがき
今までは1回の推論結果しか見てなかった
1 0 0 0 1 1 0 0 2 0
一番多い結果を採用してみよう

21. 0.87
少し改善した
0.92
68位

22. 感想とまとめ
1. 画像処理、何が効くかわからない
2. 計算力は力
3. 試行錯誤は勉強になる
4. 上位の人たちを競争を見るときは
炭治郎の気持ち

23. おわり
ありがとうございました！！