これからさらにAIの社会実装を進めていくには電力消費量や通信環境などの制限下でも安定的に稼働できるエッジAI技術のさらなる発展が不可欠だ。 そんなエッジAIに関する新しいアイデアや人材を発掘するべく開催されたのが「AIエッジコンテスト」だ。これまでの開催回数は計4回にのぼり、延べ約2000人が参加、5000件近くの応募が集まり、まさにエッジAIの人材のハブとなりつつある。 2020年7月1日〜12月31日に開催された第4回では、FPGAを用いたAIハードウェア開発を行い、「ハードウェア・ソフトウェアを含めたエッジコンピューティングを意識したハードウェアシステム開発」が課題に設定された。 課題で挙げられたのはFPGAを使った自動車走行画像認識だ。車両前方カメラ画像から、ピクセルレベルで物体に対応する領域を分割するアルゴリズム（セマンティックセグメンテーション）を作成し、ハードウェアアクセラレータなどの設計を行い、ターゲットのFPGAボードへのアルゴリズム実装を行う。 今回は全6回のシリーズを通してAIエッジコンテストの受賞者のインタビューをお届けしていく。 本記事ではシリーズの第6回として、経済産業省・NEDO主催 第4回AIエッジコンテスト（実装コンテスト②）においてエクストリームエッジ賞を獲得したT.Gさんのインタビューの様子をお届けし、コンペティションでの勝ち筋や工夫点を明らかにする。

▼動画はコチラ▼

Q.まずは、これまでにどのようなキャリアを歩まれてきたのかを含めて、自己紹介をお願いします。

T.Gと申します。 中国の浙江大学を卒業し、工学の学士号を取得しました。 東北大学と慶応義塾大学で客員研究員を務めたこともあります。 興味があるのはロボット制御、スペクトル解析、人工知能の分野で、実際に経験も積んでいます。現在は、京都大学の博士課程に在籍しています。

Q.受賞おめでとうございます。受賞した感想を聞かせてください。

まず最初に、AIエッジコンテストを主催された方々に感謝の意を表したいと思います。 課題に取り組む中で、多くのことを楽しみながら学ぶことができました。その結果、このような賞をいただけたことは非常に幸運であり、素晴らしいことだと感じています。

コンテスト参加への経緯

Q.今回のコンテストへ参加した経緯やきっかけについて教えてください。

AIエッジコンテストを知ったきっかけは、AI分野で活躍している友人からの紹介でした。 AIとFPGAのメカニズム、ハードウェアアーキテクチャ、ソフトウェアシステムなどの知識を学びたいと思い、参加を決意しました。

Q.今回のテーマはT.Gさんにとって新しい挑戦だったのでしょうか？

はい。私は、以前開催されていた第2回AIエッジコンテストにも参加したのですが、その時点では、FPGAは私にとって全く新しい領域でした。新しい知識を学ぶにはよい機会だと思い、このコンテストに参加しました。 一連のAIエッジコンテストの課題は、Xilinx社のFPGAのツールチェーンが大きく関わってきます。このツールチェーンは、参加者にとって難易度の高い挑戦であり、貴重な学習体験になったと思います。 ※T.Gさんは第2回AIエッジコンテスト性能部門で第1位を獲得。 その時のレポートがこちら（英語） ※Xilinx (ザイリンクス)…FPGAを中心としたプログラマブルロジックデバイスの開発を手掛けるアメリカの半導体製造企業

Q.その他のコンテストには参加したことはありますか？

コンピュータビジョンの分野では、SIGNATEやKaggleで開催されたいくつかのコンテストに参加したことがあります。

コンテストの勝ち筋・工夫したポイント

Q.今回の準備で特に工夫したところはどこでしょうか。よろしければ前処理・学習・後処理それぞれでお聞かせください。

前処理の段階では、元画像の縮小を行っています。サイズとしては、320x512から32ピクセルずつ拡張しながら精度検証を行い、最終的に480x768を選択しました。 学習の段階では、モデルのバックボーンとして、MobilenetV2 0.35を使用し、その後FPNを使用し、4クラスのセグメンテーションを実現しています。また、学習にあたっては、全ての画像を使って学習した後、必要な精度を確保するためのfine tuningを行なっています。 モデルの選択については第2回のAIエッジコンテストの参加経験を踏まえたため、それほど時間・労力はかけずに、いくつかのベンチマークを試行した程度となっています。 従って、今回のコンテスト期間では、モデル最適化よりも、ハードウェア実装上の最適化に時間をかけることができました。 後処理の段階では、INT8への量子化を行い、処理最適化を実施しました。 学習自体は、かなりのGPU時間を使って最適化を行いましたが、INT8辺簿量子化適用後の精度定価については、おおよそ通常のスケールの範疇で収まっています。量子化前に正しいモデル選択、最適化ができていればそれほど大きな問題にならない印象です。 検証では一部切り出したデータセットを用い、チューニング中にフィードバックを行いました。また、最終モデルはすべての画像を用いてトレーニングを行いました。 ※FPN…Feature Pyramid Networks(参照) ※fine tuning…学習済みモデルの層の重みを微調整する手法

Q.コンテスト期間中の時間配分のコツなどがあれば教えてください。

ほとんどの作業は、第2回AIエッジコンテストのときの経験に基づいています。 今回のコンテストでは、Ultra96 v2ボードの電源とヒートシンクに問題があり、その対処にほとんどの時間（約80％）を費やしました。 このボードは第2回AIエッジコンテストで入手したものですが、これらの問題は、初期の生産ロットにのみ存在するようです。新しいロットのボードを持っている参加者の中には、このような問題に遭遇していない人もいるようでした。 ※Ultra96…アメリカのXilinx社のプログラマブルSoC「Zynq UltraScale+ MPSoC」を搭載する開発ボード

苦労したポイント

Q.「ここをこうしておけばよかった」という反省点はありますか？

コンテスト期間中は、他にも色々と仕事を抱えており忙しく、、、 今回のコンテストにもっと時間を割いて、より良いパフォーマンスが出せれば良かったと思います。

今後の展望

Q.AIエッジコンテストでの経験が今後の仕事にどのように活かされると思いますか？

私たちは、人類とテクノロジーが共存する社会に生きています。 このコンテストを通じてAIとFPGAについて学んだ知識と経験は、間違いなく、私の将来に役立つと思います。仕事だけでなく、日常生活や未来の社会への貢献にもつながることでしょう。

Q.これからAIコンテストに参加したいと考えている人や、参加を迷っている人に向けてコメントをいただけますか？

AIエッジコンテストに興味はあるけれども参加するか迷っている人には、「やればできる」ということを伝えたいですね。 課題の難易度は易しいものではありませんが、取り組む中で、楽しみながら多くのことを学ぶことができると思います。

第4回AIエッジコンテスト（実装コンテスト②）の入賞者レポートはこちら