新着記事
高校三年生のときに研究してました
高校三年時の研究成果 詳しくは，AboutMeを見てほしいですが，中学生からもともとAIに興味がありました． 高校三年時に進級した際に本格的にAIを学ぼうと思い，ディープラーニングの基礎であるニューラルネットワークを勉強，研究したところ，ニューラルネットワークの高速化手法を開発し，SSH研究発表（文部科学省主催）という高校生が大学教授の前で自らの研究発表を行う会に選ばれ，発表を行いました． ちなみに，SSHとはSuper Science Highschoolのことで母校はこれの指定を受けておりました． 単独研究で発表まで至ったのは母校で私がはじめてです． これは，在校生徒と招待校あわせ，1000人の前で登壇しました． なお，これらの研究成果は文部科学省に提出しています．（疑義がある方は私の母校へ問い合わせるか，文部科学省に問い合わせてください．） 基礎研究と応用研究 基礎研究は，ニューラルネットワークの高速化です． これは主に一般にいう，プルーニングです． 応用研究は，ニューラルネットワークを応用した歌声から曲を検索するシステムです． フーリエ変換を行い，音階を求め，それをデータとしたシステムです． 今ならもっといいアーキテクチャが思い浮かびます． 研究のスライドはYoutubeに公開しています． 基礎研究編です． 応用研究編です． 余談 この記事を書くには今更すぎますが（執筆時は登壇から3年が経過），インターン面接などでこの件について深堀されるので，記事にまとめました．
Cyber Agentのインターンに参加した話(体験編)
CyberAgentのインターンに参加した話． こんにちは． 大学2年 伊地知（いぢち）です． 先日 CyberAgentの3weeks インターン （サ
【調査中】ArcFaceなどのメトリックラーニング
ArcFaceって ArcFaceは顔認証を行えるメトリックラーニングの構造のこと． ArcFaceは入力されたデータに対して，一人の画像に対するユニークな特徴ベクトルを算出する． 例えばA,B,C,… という人物の画像が一人に対して，複数毎あったとする． Aの画像が入力されたときArcFaceはY_Aのベクトルを算出するよう学習する． 一方，Bの画像が入力されたときもY_Bを算出する. これにより，未知の人物の画像が入力されたときも，人物ごとにユニークなベクトルを算出することによって， ベクトル間のCos類似度を求めることにより，同一人物かを判定することが可能になる． 元論文のarXiv インストール 論文の著者が実装と学習済みの重みを公開している． Mxnetというフレームワークだが，ArcFaceを使うだけなら何も気にすることはない． 実行には $ pip3 install mxnet==1.6.0 が必要である． ただし，GPU環境の場合，cuda==10.2をインストールし， $ pip3 install mxnet-cu102==1.6.0 を実行する． あとは， $ pip3 install -U insightface でインストールは完了． 試す 基本的には，チュートリアルを参考にライブラリを読み解いていく． 自分でも，少し試したので，jupyter notebookを貼っておく． 不明点 論文や解説記事を読んでArcFaceの学習方法は理解したものの，肝心の顔認証データセットの目的変数がわからない．具体的には，ユニークなIDをどうやって，つけているのか．論文中に各データセットの示された人物の数は一定でないから． [追記] 論文をよく見ると，参考文献として， [32] Y. Sun, Y. Chen, X. Wang, and X. Tang. Deep learning face representation by joint identification-verification. In NIPS, 2014. が載っていた． これによるとDeepIDを用いて特徴ベクトルを決定するとある． DeepIDについては，解説記事を発見した． 参考記事 これを用いてDeepIDをつけているのか納得．なお，参考記事はDeepID 1について解説されているが，参考文献はDeepID2について説明されている． おおむねは同じだが，違いは，顔のパーツ位置（face landmark）による畳み込み前の整列や特徴ベクトルを200次元まで拡張した，ネットワークを深くしたなどの違いがある．（詳しく論文見てないけど） 結論 参考文献を読もう．