特許庁において審査業務が行われている商標画像の申請件数は毎年増加し、2020年には18万件を超えていました。
業務効率化が急務でしたが、従前のイメージサーチツールでは、特に部分一致や方向違いなどの画像の検出が困難でした。
精度面の壁を打ち破るため、データ分析コンペティションの仕組みを活用することとし、特許庁初のコンペ運営事業者としてNishikaを選定いただきました。
正解データとして、実際の出願画像に審査官が類似と判定した画像をペアとしたセットを4000程度提供。また、検索対象データとして、承認済み商標画像約80万枚を提供しました。
検索結果上位20件に真に類似の画像を含められるかどうかを競うタスクとし、80万枚の画像から20件の中に類似の画像を含める、まさに「大河の一滴を見つける」高難易度のタスクとなりました。
さらに、単に精度が高いだけでなく、現実的に運用可能な環境で実用に耐える推論速度を出すことも必要な条件とするため、クラウドサービスで調達が可能なサーバースペック（CPUコア数、メモリ、ディスクサイズ、GPU種類などの観点で）を実行環境として指定した上で、AIモデル開発を行いました。
600チーム以上の個人・企業が参加し、競い合いました。上位には、類似画像検索を研究対象とするR&D部門のチームなども参加しました。
トップソリューションでは、まず画像を特徴ベクトルに変換するにあたり、事前学習モデルとしてSwin Transformer, ConvNeXtなど実績のあるモデルを使用するだけでなく、与えられた教師データに加えて画像のphash値から類似画像をグルーピングし、新たな教師データとするといった前処理も重要なプロセスとなりました。
得られた特徴ベクトルに対し、予め定めた実行環境内で動作するように、必要に応じてPCAなどによる次元削減を行った上で、得られたベクトルをクエリとして検索を行いました。
トップソリューションはいずれも、従前のイメージサーチシステムの倍以上の精度を達成し、特に優勝ソリューションは従前システムの約3倍の精度を達成しました。
予め定めた実行環境で、クエリ画像ごとの推論速度も2秒以下と実用できる水準を実現し、高い精度と実用可能性を兼ね備えたソリューションが完成しました。
