ウイルス画像データセットを学習データとして使用し、ウイルス検出を行う「Virus Detector」を開発しました。

検出したいウイルスの画像とその他のウイルス画像をデータセットとして学習に利用し、ウイルスの特徴を捉えるモデルを訓練します。

損失関数にはFocal Lossをオプションとして組み込み、クラス不均衡に対処する仕組みを採用いたしました。

これにより、学習時に少数クラスが無視されることなく、効果的に学習が進むことが期待できます。

本プロジェクトでは、ウイルス検出を行うモデルの精度向上を目的として、学習データセットの品質向上や、より洗練されたデータ拡張技術を取り入れる計画です。

将来的には、モデルの推論速度の改善や、より軽量なモデルアーキテクチャの検討も進めてまいります。