画像認識の結果に一喜一憂&応用のアイディア続出!社外向けエンジニア勉強会レポート

こんにちは、広報部の笠川です。少し前になりますが先日の9月15日に、社内開催したエンジニア勉強会を社外向けに再演させていただきました。今回はそのレポ―トを。

『機械学習で”MTG×画像認識”、やってみた』というテーマで、弊社開発部の丹羽昴貴さんがスピーカーを務める今回の勉強会。機械学習や画像認識の分野に興味をお持ちの方にお集まりいただき、その中には大学で同じ分野の研究をしている学生や研究者の方もいらっしゃいました。

丹羽さんがこのテーマで研究や開発をはじめたきっかけは、マジックの動画などを見ていて「カードがなにか分かりづらいな…」と感じたからとの事です。そこから「もっと見やすく楽しくできれば!」との思いで、マジックのカード識別のシステムを作ったそうです。

まずは丹羽さんから機械学習界隈のトピックス紹介がありました。最近耳にする囲碁の対戦AIや人体のモーション認識などから、奇抜なものだと募金を競馬で増やしていくという取り組みまで、実用的なものから驚きの使い方までいろいろな事例があるようですね。

続いては機械学習を使っての画像認識についての説明。実際にコンピュータがどのように画像を認識しているかをニヴ=ミゼットのイラストをケースに確認したり、機械学習の鍵になるニューロンをマジックプレイヤーの意思決定に例えて解説したりと、普段青赤のデッキを使うことが多い丹羽さんらしい説明で込み入った概念も取っつきやすく理解することができました。

そしていよいよ実際に手を動かしていくワークショップパートに。簡単に機械学習を始められる『Chainer』というライブラリを使って、手書きの数字を正しく認識させられるかが今回のテーマでした。PCに学習サンプルを読み込ませて画像を判別するためのモデルを作成していきます。

PCが学習を進めている間に、丹羽さんが実際に作成したマジックのカードをリアルタイムで判別するシステムのデモを見ていきました。実際にプレイヤーが提示するのと合わせてそのカードが画像表示される動画が流れると、参加者の皆さんも興味深く見つめます。判別の精度を上げるための工夫や苦労した点など、開発の裏話もいろいろ聞くことができました。

モデルが出来上がったところで、実際に手書きの数字を正しく判別できるかチェックをしていきます。およそ綺麗に書いた手書き文字は判別することができました!また、「1」や「4」などをいろいろなバリエーションで書いてみるとやはりうまく判別できないことも。なぜ違う判別結果となってしまったのか、全員で考察してみることで精度を上げるための意見出しも行うことができました。

ここでいったん勉強会の内容が終了し、そのまま簡単な懇親会に。ここでは画像認識に関するいろいろなアイディアが飛び交いました!「プロの試合で手札を上手く認識するには?」「デッキのすぐそばにカメラを仕込むのはどうか?」「カードテキストから判別できる可能性は?」など、皆さんが考えたTCGと画像認識の可能性について議論することができました。

ほかにもマジックについての自己紹介や最近のカードデザインについて盛り上がっているうちに、会はお開きの時間になりました。ご参加いただいた皆さん、改めてありがとうございました! “MTG×IT”をテーマにしたイベントを今後も企画していきたいと思いますので、引き続きよろしくお願いいたします。