Sony、ピクスタと共同でオンラインハッカソン/アイデアソンを開催しました

1. 人物画像をNeural Network Consoleで学習させ、新しいオノマトペ（擬音語/擬声語/擬態語）の画像カテゴリー分類を作り出す
   例：ニコニコ/バチバチ/ゴリゴリ

2. 画像内人物をNeural Network Consoleで学習させ、画角/焦点距離による画像分類を作り出す
   例：正面向き/バストアップ/全身/背面

3. Neural Network Consoleで画像を学習し、感情によって分類
   例：嬉しい/悲しい/恥ずかしい

4. 上記以外のチャレンジテーマの自由設定も可（ただし、画像分類のテーマに限る）

1. ご職業
   病院内の情報システム管理を担当しています。システム保守サポート、新システムの導入検討、ベンダーとの折衝、情報セキュリティ、ネットワーク設計など、幅広く携わっています。

2. 全体を通しての感想・チャレンジを通して難しかったこと、チャレンジしたこと
   この度は最優秀賞という身に余る評価を頂き、大変光栄に思います。普段の仕事はAIや機械学習に縁がないのですが、仕事に役立てようと勉強しております。

   ディープラーニングは概要を知るのみでしたが、Neural Network Consoleではノンプログラミングで畳み込みニューラルネットワークを構築できるとのことで、この機会にとチャレンジに参加しました。
   難しかったのは具体的な分類内容を決めることでした。写真には被写体、背景、距離間、色合いなど、見れば見る程、様々な情報が読み取れたのですが、少しでも誰かの役に立つ、喜ぶ分類にしようと１週間ほど案を練っていました。笑顔の分類したのは、カメラの撮影後にFine、Goodなどと分類結果を表示する、ピント合わせの「ピピッ」音の代わりに、音声で「Good」などと分類結果を言わせる、このような機能できればカメラの楽しみが増えるかと思い、笑顔の分類に決めました。予測モデルで未知のデータを分類する試作品を目指して取り組みました。

   操作方法やCNN構築まではチュートリアル動画やサンプルが充実していてスムーズに進められました。ほぼマウス操作だけでネットワーク設計と学習結果が把握でき、サクサクと試行錯誤を繰り返せました。アノテーション作業は時間がかかり大変でしたが、ポジティブな写真が多かったこともあり、楽しく作業できました。発見だったことは優秀なディープラーニングのネットワークが公開されていて、思いのほか簡単に模倣できたことです。精度の高いデータを準備することの方が重要かと感じました。
   今後も学習を続け、仕事につなげたいと思います。このようなチャレンジの場を企画して頂きありがとうございました。

3. お仕事に活かせそうなこと
   医療分野では画像診断や疾患診断等でAIを活用する研究が増えてきており、将来、診療支援ツールとして病院でも導入されるだろうと思います。AIを使う側にとって、ブラックボックスで中身が分からない、信頼して大丈夫かと、AIへの不信感や抵抗感が予想されます。今回のチャレンジでの学びを活かして、開発側と運用側との間に入り、AI導入に携われればと考えています。

従来、PIXTAでは画像に対してキーワードと言う形で被写体の情報を付与しています。このため、笑顔はただ「笑顔」としかキーワードを付与できません。それを笑顔の種類によって画像分類の視点から分類するというのはPIXTAでは提供できていない価値だと感じました。

上記観点から、この度「最優秀賞 sponsored by PIXTA」として五藤大介さんの「笑い顔と微笑み顔のニコニコ笑顔分類器」を選出させていただきました。

1. ご職業
   私は、某製造メーカーに勤務しているサラリーマンで、企画系の部署に所属しています。現時点で、業務でディープラーニングを活用することはありませんが、世の中の動きには常にアンテナを張っている必要があり、その中でディープラーニングは最も重要な世の中の動きの１つだと思っています。

2. 全体を通しての感想・チャレンジを通して難しかったこと、チャレンジしたこと
   私は、ディープラーニングで何かやる時に最も重要なのは、どういうテーマを、どういうデータを使ってやろうかと決めることだと思います。今回、データはPIXTAさんが既に用意してくださっているので、ポイントはテーマです。私は、天邪鬼なので、提示されたテーマではなく自由テーマを選んだのですが、そのテーマを決めるのにかなり時間を使い、1週間くらい悶々としていました。

   PIXTAさんのホームページを見ると、5,000万点以上の膨大な商業写真があり、クリエイターの方々が自分のイメージに合った写真をどれだけ素早く見付けられるかがビジネス上重要なポイントの1つだと思いました。既に様々なカテゴリー分けがされていますが、カテゴリーを絞り込んでもかなりの量の写真を閲覧して探さなければならない。カテゴリーを絞った後にもう1段探す量を減らせないかと思って考えついたのが今回の「人数による分類」です。

   例えば、学生というテーマを絞った時に、1人が写っている場合、2人の場合、3人以上の場合で、写真が訴えるイメージはかなり異なります。多分、クリエイターの方々の頭の中には探している写真の具体的なイメージがあるはずで、人数という分類を加えることでよりスムーズに目的の写真が探し出せるのではないかと思い今回のテーマを選定しました。

   今回、「NNC賞」という、Neural Network Console（NNC） を一番良く使いこなしているChallengerに対して贈られる賞を頂きました。しかしながら、NNCを使いこなした実感はありませんでした。

   というのは、私がNNCを使い始めたのは2017年8月にSONYさんからNNCが公開された当初からでして、そこで9ヶ月くらいNNCを使って色々ディープラーニングにチャレンジしたことがあったので、そのチャレンジの成果が出たのかなと思います。

   ちなみに、2017年8月にNNCに出会った印象は衝撃的で、「コーディング無しでディープラーニングが出来、しかもワークステーションの様な美しい画面」ということで、基礎から積み上げて勉強することが大嫌いな私の心にとても響いて、まさに一目惚れしてディープラーニング を始めたことを思い出します。

   NNCを始めてからは、ほぼ週1回のペースで様々なタスクにチャレンジしました。具体的には、AKB48の顔分類、日経平均の予測、メガネをかけた顔画像を元にメガネを取った顔画像を生成するとか、ユーミンのオリジナル歌詞生成、顔の向きをコントロールした顔画像生成、とか。

3. お仕事に活かせそうなこと
   NNCを久しぶりに使ってみて、ディープラーンングはエンジニアの道具ではなく、一般の人が使える道具になったということを再認識しました。

   NNCは、以前と比べて、データセットの作成が一発で行えるようになり（以前は、サイズ調整が別途必要）、CloudでGPUが手軽に使えるようになり（以前はGPUは自分で購入要）、推論結果の検証がし易い機能も付加され、より一般の人が使える道具になったと思います。

   今後、弊社でディープラーニング の技術を活用した企画を出す場合に備えて、社内関係者への布教（笑）をして行きたいと思います。また、今回の様なコンテストは大変素晴らしく、ぜひ今後も継続して頂ければと思います。

1. ご職業
   普段は広義のIT系企業に務めており、比重が大きい職種はセキュリティエンジニアです。

2. 全体を通しての感想・チャレンジを通して難しかったこと、チャレンジしたこと
   Neural Network Console Challengeで挑戦したのは、自分でテーマを設定し、それに基づいて学習用のデータを選定することです。参加当初は、別のテーマで挑戦するつもりでしたが、PIXTA様から提供された素材は、瞬間を切り取ったような綺麗な写真が多かった為、素材の良さを活かせるテーマを探すところから始めました。チャレンジを通して難しかったのは、学習用の画像をNNCのフォーマットに変換することです。Mac（MacOS Catalina）では動作しなかったので、Win機にNNCのWin版をフルインストールして変換しました。

3. お仕事に活かせそうなこと
   普段は深層学習が必要な際はkerasで済ませていますが、今回初めてNeural Network Consoleを使い、グラフィカルなUIで表示することでレイヤー構造に対する理解が深まることを発見しました。チャレンジでは使用していませんが、複雑なResNetもNNCで表示すると解りやすいです。