簡単な対象物を処理する最初のステージにおいては少ない数の要素による分類作業を、むずかしい対象物を処理する最後のステージでは、多数の要素を加味した分類作業を行うという具合に使い分けるという。

この方法はスピードは速いのだが、最後のステージにおいては能力が十分ではないという欠点がある。というのは、すべての工程において、同じアルゴリズムが使われるからだそうだ。

source：http://jacobsschool.ucsd.edu/

■ 短所を補う「ディープラーニング」を導入

そこで、Vasconcelos教授らのチームは、“ディープラーニング”を採り入れた、新しいアルゴリズムを導入した。この“ディープラーニング”モデルは、何百回、何千回もトレーニングしてやれば、複雑なパターンのなかに、人間がいるかいないかの検知が“弱い学習アルゴリズム”よりも得意になっていくのだ。

しかし欠点もある。この“ディープラーニングアルゴリズム”は、“カスケード型類”において、最後の工程には向いているのだが、前半の工程に使うには複雑すぎるという。“いる”or“いない”を瞬時に判断できそうなケースにおいても少々考えてしまうのかもしれない。

そこで、研究チームは、初期の工程においては、“弱い学習アルゴリズム”を、後半の工程においては“ディープラーニングアルゴリズム”を使うという方法を採ることにした。

そう書いてしまうと簡単だが、Vasconcelos教授によれば、この作業はそんなに平凡なものではないという。チームはこの問題の解決のために新しい数式を導入して、“カスケード”デザインのための新しいアルゴリズムを作る必要があった。

＜従来のアルゴリズムでは、作業の複雑さが異なるいくつもの工程を持つ“カスケード型分類”において、分類の正確さとスピードという相反する要素のバランスを最適化することができなかったのです。