Q: 画像認識技術として必ずディープラーニングを使用しなければなりませんか?
A: 技術の選択は自由ですので、ディープラーニングの使用は必須ではありません。

Q: 画像認識アルゴリズムの指定はありますか?
A: アルゴリズムの指定はございませんので、自由に選択して下さい。

Q: 自分たちで用意した学習データを追加することは可能ですか?
A: 学習データを自分たちでご用意いただくのは自由ですが、その場合、追加した学習データを提出して下さい。

Q: 課題が合計4回とありますがどのようなものでしょうか?
A: 学習用にご提供している画像件数の10%程度の数の新しい画像群を公開しますので、それらの画像がどの商品かを特定していただきます。回を重ねるごとに画像数が増えていきます。

Q: 会社のチームで応募しても構いませんか?
A: 歓迎します。優勝者に発注することを計画しているので、その点では期待します。

Q: CPU負荷を評価することの意図を教えてください。 GPUについてはいかがでしょうか?
A: この評価項目は運用コストを問題にしています。コンピュータのリソースをあまりに多く使うと、コストが高くて実用性が低くなる。CPU・GPUを総合して負荷が少ない方を高く評価します。

2020年10月8日追記-ステージ2の技術提案書について

Q: 速度評価について、GPUを利用してもよいか。
A: はい、GPUも含めてコンピューターの計算速度や処理負荷を記載してください。

Q: 再学習手順について、どこからの運用を想定すればよろしいでしょうか。例えばデータの収集からの手順も検討が記載が必要でしょうか。
A: 実運用上では、コンペと同様に物体検出等によって画像が切り抜かれ、ラベル付けされて、学習用データセットがある状態からスタートすることを想定しています。

Q: 再学習コストについての記載がありますが、必ず再学習することが前提ですか。
A: 更新性の評価では、候補の加除があっても高い認識精度を保つためにどれだけコストがかかるかを評価します。また、Deep learningを用いない応募もあり得ることから、更新処理は再学習に限らないと考えております。
再学習の要否や頻度も含めて、ご検討の処理内容およびそれに伴うコストをご回答ください。