BT

Giltのディープラーニング応用

| 作者: Alex Giamas フォローする 8 人のフォロワー , 翻訳者 h_yoshida フォローする 1 人のフォロワー 投稿日 2017年2月26日. 推定読書時間: 2 分 |

原文(投稿日:2017/02/19)へのリンク

ディープラーニングニューラルネットワーク起源として,マシンラーニングの中で急速に進化しているサブフィールドだ。最近のアルゴリズム的な進歩とGPUによる並列化の活用は,囲碁のようなゲームマスタするだけでなく,ディープラーニングをベースとしたアルゴリズムによる実用的アプリケーションをいくつも実現している。

ファッション業界はディープラーニングの対象分野のひとつだ。 Giltディープラーニングを,製品のレコメンデーションや衣料品の特性による分類に使用している。ドレスのファセット,TPOやシルエット,襟ぐり,襟のタイプの自動識別には,FacebookのTorchライブラリをベースとして利用する。TorchではImageNetでトレーニングされたモデルを使用して,それぞれの写真に前もって付けられたタグを利用すると同時に,Gilt独自の機能によってそれを拡張する。システムはEBSとP2インスタンスを中心に,サーバあたり最大16GPUを提供するAmazonのクラウドインフラストラクチャを使用している。分類処理の品質のテストには,偽陰性と偽陽性の両方で計量可能なF1 Scoreを採用している。GiltではSaaSの代替サービスもテストしたが,精度とタグの両面で満足いくものではなかった。

一方で,ドレスコードに基づいた製品のレコメンデーションは,ディープラーニングを利用したイメージ類似性検索エンジンであるTiefVisionをベースとしている。TiefVisionもImageNetデータによる分類に基づいている点では同じだが,ニューラルネットワークの最終層を,新たに転移学習(transfer learning)と呼ばれる技術を使用した専用のネットワークに置き換えている。最初のステップとして,Yann LeCunn氏のOverFeatメソッドを使ったイメージの検出を行なう。服が見つかったならば,SiameseネットワークHinge損失関数をトレーニングに使用する。

AmazonはAWSで選択可能なディープラーニングフレームワークとして,Intelがオープンソース公開したApache Spark用ディープラーニングライブラリのBigDLを利用したMXNetの開発を進めている。その幅広い応用範囲で異常検出の分野でも使用されるディープラーニングを見ていると,ソフトウェアが世界を席巻するだけでなく,ディープラーニングがマシンラーニングの世界を席巻するようでもある。

 
 

この記事を評価

関連性
スタイル
 
 

この記事に星をつける

おすすめ度
スタイル

こんにちは

コメントするには InfoQアカウントの登録 または が必要です。InfoQ に登録するとさまざまなことができます。

アカウント登録をしてInfoQをお楽しみください。

あなたの意見をお聞かせください。

HTML: a,b,br,blockquote,i,li,pre,u,ul,p

このスレッドのメッセージについてEmailでリプライする
コミュニティコメント

HTML: a,b,br,blockquote,i,li,pre,u,ul,p

このスレッドのメッセージについてEmailでリプライする

HTML: a,b,br,blockquote,i,li,pre,u,ul,p

このスレッドのメッセージについてEmailでリプライする

ディスカッション

InfoQにログインし新機能を利用する


パスワードを忘れた方はこちらへ

Follow

お気に入りのトピックや著者をフォローする

業界やサイト内で一番重要な見出しを閲覧する

Like

より多いシグナル、より少ないノイズ

お気に入りのトピックと著者を選択して自分のフィードを作る

Notifications

最新情報をすぐ手に入れるようにしよう

通知設定をして、お気に入りコンテンツを見逃さないようにしよう!

BT