AutoMLを学ぶ (Japanese Edition)

第10章. AutoGluonを用いたコンピュータビジョン

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

2023年後半、 、私は数百万点の商品が並ぶマーケットプレイス全体での商品分類に苦戦していた大手ECプラットフォームと協力していた。 店舗管理者やカタログ担当チームは、新規商品リストの手動分類、商品画像の確認、メタデータの正確性確保に膨大な時間を費やしていた。この時間のかかるプロセスは、エラーが発生しやすく、コストもかさんでいた。専任スタッフを配置しても、新規商品登録の約60%しかリアルタイムで処理できず、その結果、商品掲載の遅延や販売者の不満を招いていた。

従来のプラットフォームでは、カタログ専門家のチームが商品画像や説明文を手作業で確認し、商品を数百もの異なる商品カテゴリに分類し、プロバイダーから提供された情報を妥当性確認していた。このプロセスは時間がかかり、確認者によって非一貫性が生じやすく、しばしばボトルネックとなり、新商品の発売を数日あるいは数週間遅らせる原因となっていた。

現在、この同じECプラットフォームでは、AutoGluonで構築されたコンピュータビジョンシステムを活用し、商品リストの分類と妥当性確認をリアルタイムで自動的に行っている。かつては数時間の手作業による確認を要していた作業が、今では数秒で完了する。 この改善を数値で示すと、同プラットフォームのカタログ専門チームが標準的な商品分類体系で達成した精度は約82%であったのに対し、AutoGluonベースのシステムは一貫性を持って91%～93%の精度を達成しており、ほとんどの商品カテゴリーにおいて人間レベルのパフォーマンスを上回っている。さらに、自動システムは1秒あたり50件の商品を処理できるのに対し、人間の平均処理速度は1分あたり4件にとどまる。 この変換は目覚ましいものだ。カタログチームは、基本的な商品分類ではなく、エッジケースの処理や分類体系の精緻化に注力できるようになり、その結果、販売者のオンボーディングが加速し、顧客体験が向上した。

この変換は、コンピュータビジョンタスクにおける最新のAutoMLが持つ民主化の力を示している。AutoGluonのMultiModalPredictorには、画像、テキスト、表形式データの組み合わせを扱う際のマルチモーダルAutoMLの性能を大幅に向上させる包括的な「Bag of Tricks」の更新が含まれている。洗練された商品分類や推薦システムを構築するために、ディープニューラルネットワーク、転移学習、あるいはコンピュータビジョンアーキテクチャに関する深い専門知識はもはや必要ない。

この章では、AutoGluonが、専門家が必要とするパワーと柔軟性を維持しつつ、あらゆるレベルの実務家にコンピュータビジョンをいかに身近なものにしているかを探っていく。画像分類、物体検出、そしてビジョンと他のデータ型を組み合わせたマルチモダリティアプリケーションについて取り上げる。この章を読み終える頃には、自身のECや小売アプリケーション向けに、本番環境対応のコンピュータビジョンシステムを構築できるようになるだろう。

注

本章のすべてのコード例は、AutoGluon 1.4.0 を使用してテストおよび妥当性確認されている。完全な実装、詳細な出力、実験的なバリエーション、および追加の高度なテクニックについては、付属の Jupyter NotebookChapter10.ipynb ...