Submit Search
Upload
「HOME'Sデータセット」を活用した不動産物件画像への深層学習の適用の取り組み
•
3 likes
•
7,110 views
Yoji Kiyota
Follow
WebDB Forum 2016 技術報告セッション
Read less
Read more
Technology
Report
Share
Report
Share
1 of 36
Download now
Download to read offline
Recommended
不動産物件データセットを用いた研究開発事例と、大学との共同研究の取り組みの紹介
不動産物件データセットを用いた研究開発事例と、大学との共同研究の取り組みの紹介
Yoji Kiyota
住居選択支援を目的としたAI技術適用の試み -ソーシャルメディアへのクラウドソーシング適用および物件画像への深層学習適用-
住居選択支援を目的としたAI技術適用の試み -ソーシャルメディアへのクラウドソーシング適用および物件画像への深層学習適用-
Yoji Kiyota
学際領域としての不動産の研究を活性化させるために
学際領域としての不動産の研究を活性化させるために
Yoji Kiyota
JSAI2015 ツイートタイムラインへの階層的クラウドソーシングの適用による住まい探しユーザの背景ニーズ理解
JSAI2015 ツイートタイムラインへの階層的クラウドソーシングの適用による住まい探しユーザの背景ニーズ理解
Yoji Kiyota
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
Yoji Kiyota
「HOME'Sデータセット」提供開始の背景 〜産学間データ共有の課題〜
「HOME'Sデータセット」提供開始の背景 〜産学間データ共有の課題〜
Yoji Kiyota
「LIFULL HOME'Sデータセット」提供を通じた不動産テック分野のオープンイノベーション
「LIFULL HOME'Sデータセット」提供を通じた不動産テック分野のオープンイノベーション
Yoji Kiyota
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
Komei Sugiura
Recommended
不動産物件データセットを用いた研究開発事例と、大学との共同研究の取り組みの紹介
不動産物件データセットを用いた研究開発事例と、大学との共同研究の取り組みの紹介
Yoji Kiyota
住居選択支援を目的としたAI技術適用の試み -ソーシャルメディアへのクラウドソーシング適用および物件画像への深層学習適用-
住居選択支援を目的としたAI技術適用の試み -ソーシャルメディアへのクラウドソーシング適用および物件画像への深層学習適用-
Yoji Kiyota
学際領域としての不動産の研究を活性化させるために
学際領域としての不動産の研究を活性化させるために
Yoji Kiyota
JSAI2015 ツイートタイムラインへの階層的クラウドソーシングの適用による住まい探しユーザの背景ニーズ理解
JSAI2015 ツイートタイムラインへの階層的クラウドソーシングの適用による住まい探しユーザの背景ニーズ理解
Yoji Kiyota
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
「HOME'Sデータセット」提供を通じた不動産領域におけるオープンイノベーション促進の取り組み
Yoji Kiyota
「HOME'Sデータセット」提供開始の背景 〜産学間データ共有の課題〜
「HOME'Sデータセット」提供開始の背景 〜産学間データ共有の課題〜
Yoji Kiyota
「LIFULL HOME'Sデータセット」提供を通じた不動産テック分野のオープンイノベーション
「LIFULL HOME'Sデータセット」提供を通じた不動産テック分野のオープンイノベーション
Yoji Kiyota
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
Komei Sugiura
jubatus pressrelease
jubatus pressrelease
JubatusOfficial
楽天のECにおけるAI技術の活用
楽天のECにおけるAI技術の活用
Rakuten Group, Inc.
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
harmonylab
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?
harmonylab
Playing Atari with Six Neurons
Playing Atari with Six Neurons
harmonylab
[2019-09-02] AI・IoT活用情報とGoogle Colab植物画像注釈
[2019-09-02] AI・IoT活用情報とGoogle Colab植物画像注釈
Eli Kaminuma
AIとScrumとスケール
AIとScrumとスケール
Kenji Morita
Predictron
Predictron
harmonylab
tut_pfi_2012
tut_pfi_2012
Preferred Networks
Mobilenet
Mobilenet
harmonylab
統計を始める方へ①_データ環境Rの基本的なプログラミング|データアーティスト
統計を始める方へ①_データ環境Rの基本的なプログラミング|データアーティスト
Satoru Yamamoto
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
勉強会用スライド
勉強会用スライド
harmonylab
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
Hello deeplearning!
Hello deeplearning!
T2C_
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
【CVPR 2020 メタサーベイ】Scene Analysis and Understanding
【CVPR 2020 メタサーベイ】Scene Analysis and Understanding
cvpaper. challenge
【メタサーベイ】Face, Gesture, and Body Pose
【メタサーベイ】Face, Gesture, and Body Pose
cvpaper. challenge
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
Yoji Kiyota
論文執筆の環境をめぐる最新の状況と、学会の査読・編集システムを持続可能とするための方策の検討
論文執筆の環境をめぐる最新の状況と、学会の査読・編集システムを持続可能とするための方策の検討
Yoji Kiyota
More Related Content
What's hot
jubatus pressrelease
jubatus pressrelease
JubatusOfficial
楽天のECにおけるAI技術の活用
楽天のECにおけるAI技術の活用
Rakuten Group, Inc.
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
harmonylab
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?
harmonylab
Playing Atari with Six Neurons
Playing Atari with Six Neurons
harmonylab
[2019-09-02] AI・IoT活用情報とGoogle Colab植物画像注釈
[2019-09-02] AI・IoT活用情報とGoogle Colab植物画像注釈
Eli Kaminuma
AIとScrumとスケール
AIとScrumとスケール
Kenji Morita
Predictron
Predictron
harmonylab
tut_pfi_2012
tut_pfi_2012
Preferred Networks
Mobilenet
Mobilenet
harmonylab
統計を始める方へ①_データ環境Rの基本的なプログラミング|データアーティスト
統計を始める方へ①_データ環境Rの基本的なプログラミング|データアーティスト
Satoru Yamamoto
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
勉強会用スライド
勉強会用スライド
harmonylab
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Preferred Networks
Hello deeplearning!
Hello deeplearning!
T2C_
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
【CVPR 2020 メタサーベイ】Scene Analysis and Understanding
【CVPR 2020 メタサーベイ】Scene Analysis and Understanding
cvpaper. challenge
【メタサーベイ】Face, Gesture, and Body Pose
【メタサーベイ】Face, Gesture, and Body Pose
cvpaper. challenge
What's hot
(20)
jubatus pressrelease
jubatus pressrelease
楽天のECにおけるAI技術の活用
楽天のECにおけるAI技術の活用
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?
Playing Atari with Six Neurons
Playing Atari with Six Neurons
[2019-09-02] AI・IoT活用情報とGoogle Colab植物画像注釈
[2019-09-02] AI・IoT活用情報とGoogle Colab植物画像注釈
AIとScrumとスケール
AIとScrumとスケール
Predictron
Predictron
tut_pfi_2012
tut_pfi_2012
Mobilenet
Mobilenet
統計を始める方へ①_データ環境Rの基本的なプログラミング|データアーティスト
統計を始める方へ①_データ環境Rの基本的なプログラミング|データアーティスト
一般向けのDeep Learning
一般向けのDeep Learning
勉強会用スライド
勉強会用スライド
基調講演:「多様化する情報を支える技術」/西川徹
基調講演:「多様化する情報を支える技術」/西川徹
Hello deeplearning!
Hello deeplearning!
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 〜 TransformerのCompute...
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
【CVPR 2020 メタサーベイ】Scene Analysis and Understanding
【CVPR 2020 メタサーベイ】Scene Analysis and Understanding
【メタサーベイ】Face, Gesture, and Body Pose
【メタサーベイ】Face, Gesture, and Body Pose
More from Yoji Kiyota
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
Yoji Kiyota
論文執筆の環境をめぐる最新の状況と、学会の査読・編集システムを持続可能とするための方策の検討
論文執筆の環境をめぐる最新の状況と、学会の査読・編集システムを持続可能とするための方策の検討
Yoji Kiyota
LIFULL HOME'Sにおける不動産物件画像解析
LIFULL HOME'Sにおける不動産物件画像解析
Yoji Kiyota
第10回ARG WI2研究会 株式会社LIFULL 技術報告
第10回ARG WI2研究会 株式会社LIFULL 技術報告
Yoji Kiyota
SoC2017 不動産テックの研究課題
SoC2017 不動産テックの研究課題
Yoji Kiyota
超高齢社会における地域課題の複雑さと「ネットワークが創発する知能」研究への期待 ―不動産・介護・医療分野を例として―
超高齢社会における地域課題の複雑さと「ネットワークが創発する知能」研究への期待 ―不動産・介護・医療分野を例として―
Yoji Kiyota
IEEE DSAA 2017投稿呼びかけ
IEEE DSAA 2017投稿呼びかけ
Yoji Kiyota
ライフイベントの決断を支えるオープンイノベーションの取り組み
ライフイベントの決断を支えるオープンイノベーションの取り組み
Yoji Kiyota
「HOME'Sデータセット」を通じた不動産分野の研究活性化
「HOME'Sデータセット」を通じた不動産分野の研究活性化
Yoji Kiyota
Code4Lib JAPANカンファレンス2016 in 大阪
Code4Lib JAPANカンファレンス2016 in 大阪
Yoji Kiyota
人生の意思決定を支える社会インフラとしての図書館
人生の意思決定を支える社会インフラとしての図書館
Yoji Kiyota
Mining User Experience through Crowdsourcing: A Property Search Behavior Corp...
Mining User Experience through Crowdsourcing: A Property Search Behavior Corp...
Yoji Kiyota
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
Yoji Kiyota
リッテルナビゲーター 東海大学様講習資料 20141202
リッテルナビゲーター 東海大学様講習資料 20141202
Yoji Kiyota
ログデータの活用が進まない現状を打破するために: Wikipediaページ閲覧統計データを題材とした試み
ログデータの活用が進まない現状を打破するために: Wikipediaページ閲覧統計データを題材とした試み
Yoji Kiyota
クラウドソーシングによる文献情報メタデータ整備の可能性 / Discussions on metadata refinement by crowd sou...
クラウドソーシングによる文献情報メタデータ整備の可能性 / Discussions on metadata refinement by crowd sou...
Yoji Kiyota
マイニング探検会#31 情報検索システムのユーザーのニーズを考える
マイニング探検会#31 情報検索システムのユーザーのニーズを考える
Yoji Kiyota
マイニング探検会#20 レファレンス・サービスの「ネクスト」を考えるためのヒント
マイニング探検会#20 レファレンス・サービスの「ネクスト」を考えるためのヒント
Yoji Kiyota
図書館総合展ネクスト主催フォーラム「アカデミックとリアルの谷を埋める道」基調講演 2011年11月11日
図書館総合展ネクスト主催フォーラム「アカデミックとリアルの谷を埋める道」基調講演 2011年11月11日
Yoji Kiyota
マイニング探検会#15
マイニング探検会#15
Yoji Kiyota
More from Yoji Kiyota
(20)
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
テキストアナリティクスの知見を社会に活かすには? -シーズ指向の視点とニーズ指向の視点-
論文執筆の環境をめぐる最新の状況と、学会の査読・編集システムを持続可能とするための方策の検討
論文執筆の環境をめぐる最新の状況と、学会の査読・編集システムを持続可能とするための方策の検討
LIFULL HOME'Sにおける不動産物件画像解析
LIFULL HOME'Sにおける不動産物件画像解析
第10回ARG WI2研究会 株式会社LIFULL 技術報告
第10回ARG WI2研究会 株式会社LIFULL 技術報告
SoC2017 不動産テックの研究課題
SoC2017 不動産テックの研究課題
超高齢社会における地域課題の複雑さと「ネットワークが創発する知能」研究への期待 ―不動産・介護・医療分野を例として―
超高齢社会における地域課題の複雑さと「ネットワークが創発する知能」研究への期待 ―不動産・介護・医療分野を例として―
IEEE DSAA 2017投稿呼びかけ
IEEE DSAA 2017投稿呼びかけ
ライフイベントの決断を支えるオープンイノベーションの取り組み
ライフイベントの決断を支えるオープンイノベーションの取り組み
「HOME'Sデータセット」を通じた不動産分野の研究活性化
「HOME'Sデータセット」を通じた不動産分野の研究活性化
Code4Lib JAPANカンファレンス2016 in 大阪
Code4Lib JAPANカンファレンス2016 in 大阪
人生の意思決定を支える社会インフラとしての図書館
人生の意思決定を支える社会インフラとしての図書館
Mining User Experience through Crowdsourcing: A Property Search Behavior Corp...
Mining User Experience through Crowdsourcing: A Property Search Behavior Corp...
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
人工知能学会誌 2015年5月号 特集「イノベーションとAI研究」
リッテルナビゲーター 東海大学様講習資料 20141202
リッテルナビゲーター 東海大学様講習資料 20141202
ログデータの活用が進まない現状を打破するために: Wikipediaページ閲覧統計データを題材とした試み
ログデータの活用が進まない現状を打破するために: Wikipediaページ閲覧統計データを題材とした試み
クラウドソーシングによる文献情報メタデータ整備の可能性 / Discussions on metadata refinement by crowd sou...
クラウドソーシングによる文献情報メタデータ整備の可能性 / Discussions on metadata refinement by crowd sou...
マイニング探検会#31 情報検索システムのユーザーのニーズを考える
マイニング探検会#31 情報検索システムのユーザーのニーズを考える
マイニング探検会#20 レファレンス・サービスの「ネクスト」を考えるためのヒント
マイニング探検会#20 レファレンス・サービスの「ネクスト」を考えるためのヒント
図書館総合展ネクスト主催フォーラム「アカデミックとリアルの谷を埋める道」基調講演 2011年11月11日
図書館総合展ネクスト主催フォーラム「アカデミックとリアルの谷を埋める道」基調講演 2011年11月11日
マイニング探検会#15
マイニング探検会#15
「HOME'Sデータセット」を活用した不動産物件画像への深層学習の適用の取り組み
1.
「HOME'Sデータセット」を活⽤用 した不不動産物件画像への深層学習 の適⽤用の取り組み 株式会社ネクスト リッテルラボラトリー 主席研究員 清⽥田 陽司 1Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. WebDB Forum 2016 技術報告セッション 2016.09.13@慶應義塾⼤大学⽇日吉キャンパス
2.
2Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › 研究分野: ⾃自然⾔言語処理理応⽤用、情報検索索、情報推薦 › 略略歴 • 京都⼤大 ⼤大学院情報学研究科 (1998-2004) • 対話型質問応答システム 企業(マイクロソフト)との共同研究 • JSTさきがけポスドク@京都⼤大 河原研 (2004) • 東京⼤大 情報基盤センター 中川研 助教/特任講師 (2004-2012) • 図書館ナビゲーションシステム/Wikipediaマイニング • 株式会社リッテル 主席研究員/CTO (2007-2011) • 図書館ナビゲーションシステム実⽤用化(国⽴立立国会図書館リサー チ・ナビなど) • Hadoopベースの⼤大規模データ処理理技術展開 産学連携スタートアップとのかかわり • 株式会社ネクスト リッテルラボラトリー (2011-) • 情報レコメンデーションR&D (主にHOME’S) ⼤大学との共同研究 › ⾔言語処理理学会 編集委員 (2010-2012)、⼈人⼯工知能学会 編集委員 (2014-)、WebDB Forum産学連携担当幹事 (2015-)、IEEE DSAA'2017 Sponsorship co-chair ⾃自⼰己紹介
3.
3Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. 株式会社ネクストのサービス ⽇日本最⼤大級の不不動産・住宅宅サイト HOME’S を運営 ※1 フジサンケイビジネスアイ調べ (2014.3.31掲載) ※2 利利⽤用者数 No.1 ニールセンNetView 2013年年4⽉月データ (家庭および職場のPC からのアクセス・カテゴリ: 家庭とファッションサブカテゴリ:不不動産)
4.
>2011年年4⽉月設⽴立立の社内研究所 東京⼤大学との産学連携企業 (株)リッテルが⺟母体 >レコメンデーションエンジンやユーザーインターフェースなど 住まいや暮らしに関わる情報技術の研究・開発 4 株式会社ネクスト リッテルラボラトリー 4 新感覚お部屋探しアプリ HOME Sヘヤサク! 部屋作りシミュレーション GRID
VRICK タンジブル不動産検索 UI
5.
5Copyright(c) NEXT Co.,
Ltd. All Rights Reserved.
6.
6Copyright(c) NEXT Co.,
Ltd. All Rights Reserved.
7.
› 『HOME’S』賃貸物件 (約530万) •
2015年年9⽉月時点で掲載されていた全データ • 賃料料、⾯面積、⽴立立地(市区町村、郵便便番号、最寄 り駅、徒歩分)、築年年数、間取り、建物構造、 諸設備などの属性を含む • 特定の物件と直接紐紐付く属性は含まず › 上記全物件に対応する画像データ (約8300万) • 深層学習適⽤用を想定した画像サイズ • 不不動産会社が付与した属性データ(画像の種類、 フリーテキスト)を含む › フルサイズ間取り図画像データ (約510万) • 間取りデータ、フリーテキストあり HOME’Sデータセット 概要
8.
8Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. HOME’Sデータセット 利利⽤用申込の状況 提供開始から7ヶ⽉月で,⽇日本全国・⽶米国の約35研究室から申込
9.
9Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › 情報学 • 画像処理理,他のデータ(SNSなど)との結合 › 建築学,建築デザイン • 間取り,空間デザインなど › 経済学,経営情報学 • 賃料料推定,経済動向 › 都市学・環境学 • 街の属性 データセット利利⽤用研究者の主な分野 これまでに接点のなかった研究者とのリレーションができつつある
10.
10Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › ディープラーニングの物件画像への適⽤用はホット トピック › 学習⽤用正解データの作成は、ディープラーニング 適⽤用でもっとも重要な問題 › 不不動産物件データと他のデータ(SNS、地域オープ ンデータ、etc.)との統合により新たな価値が⽣生 まれる データセットの提供を通じて得られた知⾒見見
11.
11Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. 不不動産情報サイトで不不動産会社を選ぶ際のポイントは?(RSC 2015年年調査) 物件の写真の点数が多い 物件の写真の⾒見見栄えが良良い 71.9% 32.5%
12.
不不動産物件画像に関する研究課題 › 物件画像の品質を判定する • 物件が分かりやすい •
感性的に魅⼒力力的である › 画像から対象物件の情報を抽出する • 不不動産会社の情報⼊入⼒力力の負担低減 • 新たな検索索軸の開発 システムキッチン 料料理理しやすい 収納スペースが⼗十分
13.
13Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. deep learningによる物件画像へのタグ付け例例 不不動産会社によるタグ 「内装」 ディープラーニングによるタグ 「居間」 22.4294 「キッチン」 18.8581 「収納」 15.6817 不不動産会社によるタグ 「その他」 ディープラーニングによるタグ 「バルコニー」 22.2454 「設備」 18.868 不不動産会社によるタグ 「収納」 ディープラーニングによるタグ 「収納」 22.8901 「⽞玄関」 22.1572 「エントランス」 17.2992 「設備」 14.7072
14.
タスクの設定 › 不不動産物件画像から住居選択⽀支援のための情報を 抽出を、畳み込みニューラルネットワークにて⾏行行 う • 画像種別 •
キッチンの使いやすさ • キッチンの種類 • キッチンのワークスペースの広さ
15.
畳み込みニューラルネットワーク(CNN) › 畳み込みニューラルネットワーク (CNN) •
画像認識識に特化したDeep Learningの⼿手法 • 画像ラベルのスコアを推定する • 学習に数千〜~数万枚の教師データが必要 畳み込みと プーリングを 何層か繰り返し 畳み込み層 プーリング層 キッチン 0.93 リビング 0.04 トイレ 0.03
16.
CNNの適⽤用 › 畳み込みニューラルネットワーク (CNN) •
Network in Network (nin)[3] • 深層学習フレームワークChainer上のninモデルを使⽤用 › 256×256の画像を⼊入⼒力力として使⽤用 › 画像の70%を訓練データ、30%をテストデータ [3] Network In Network, 2014 Min Lin1,2, Qiang Chen2 , Shuicheng Yan2
17.
• 物件画像データ
約8300万枚 HOME’Sデータセット 概要 周辺 17% 外観 11% 内装 11% 居間 7%間取り 6% キッチン 5% ⾵風呂呂 4% ⽞玄関 3% 寝室 1% 設備 1% 収納 1% トイレ 1% 洗⾯面 1% バルコニー 0% エントランス 0% 駐⾞車車場 0% 地図 0% ⼦子供部屋 0% その他 28% 画像種別 枚数(万枚) 周辺 1413 外観 947 内装 941 居間 558 間取り 524 キッチン 453 ⾵風呂呂 364 ⽞玄関 269 寝室 89 設備 88 収納 85 トイレ 64 洗⾯面 54 バルコニー 38 エントランス 38 駐⾞車車場 14 地図 12 ⼦子供部屋 2 その他 2299
18.
CNNと分類データ作成 〜~タスク1 画像種別〜~ › どの種類の物件画像なのかを判定する › HOME’Sデータセット画像に付けられているタグを正解 データとして使⽤用 •
13タグ分の画像を使⽤用 • それぞれ訓練⽤用1万枚、検証⽤用1000枚 › ⼊入⼒力力⼿手間軽減と精度度の向上が⽬目的 u 間取り u 地図 u ⽞玄関 u 居間 u キッチン u ⾵風呂呂 u トイレ u 外観 u 周辺 u 内装 u その他 u 寝室 u ⼦子供部屋 u 洗⾯面 u 収納 u 設備 u バルコニー u エントランス u 駐⾞車車場 使⽤用するタグ 使⽤用しないタグ 外観 周辺 居間 間取り ⾵風呂呂
19.
CNNと分類データ作成 〜~キッチンの使いやすさの抽出〜~ › 「キッチンの使いやすさ」を画像から抽出する › 使いやすさを分解、より詳細な指標を作成 ›
各指標に特化させた学習済みモデルでスコアを算出、 重みづけをして加算、使いやすさとする • 個⼈人の嗜好に合わせた使いやすさを算出可能 種類スコア 設備スコア 広さスコア 動線スコア 収納スコア 学習済み モデル 学習済み モデル 学習済み モデル 学習済み モデル 学習済み モデル 使いやすさ w1 w2 w3 w4 w5 重みw
20.
CNNと分類データ作成 〜~タスク2 キッチンの種類〜~ › 様々な分類⽅方法あり ›
学習に⽤用いる正解データがないため、作成する必要あり ⼀一体型かそうでないか 形に注⽬目した分類 他の部屋との関係性に よる分類 セクショナルキッチン システムキッチン L型 I型 アイラ ンド型 オープン型 クローズ型
21.
CNNと分類データ作成 〜~タスク2 キッチンの種類〜~ › 様々な分類⽅方法あり ›
学習に⽤用いる正解データがないため、作成する必要あり ⼀一体型かそうでないか 形に注⽬目した分類 他の部屋との関係性に よる分類 セクショナルキッチン システムキッチン L型 I型 アイラ ンド型 オープン型 クローズ型
22.
簡易易型キッチン システムキッチン セクショナルキッチン CNNと分類データ作成 〜~タスク2
キッチンの種類〜~ › どの種類のキッチンか判定
23.
簡易易型 キッチン システム キッチン セクショナル キッチン キッチン部分 その他 主に単⾝身⽤用の 壁に囲まれた キッチン コンロと⼀一体 成型のキッチ ン コンロを置く 場所が分かれ ている キッチンを構 成するパーツ キッチンでな い画像 CNNと分類データ作成 〜~タスク2 キッチンの種類〜~ ›
キッチン部位、その他を加えた5クラス分類 › 発表者が分類した画像各1000枚
24.
CNNと分類データ作成 〜~タスク3 キッチンのワークスペース広さ〜~ › キッチンのワークスペースの広さを判定 •
まな板や切切ったものを置ける • 調理理のしやすさに⼤大きく影響 狭い 広い
25.
とても狭い 狭い 普通
広い とても広い まな板が置け ない まな板はおけ るが、切切った もの等を置け ない まな板、切切っ たものなどを 置ける 複数の調理理過 程のものを置 ける 調理理に⼗十分な スペースがあ る CNNと分類データ作成 〜~タスク3 キッチンのワークスペース広さ〜~ › 置けるものの程度度で5段階+その他で6クラス分類 › 5500枚を分類し、各1000枚になるようデータ拡張
26.
CNNと分類データ作成 〜~データ拡張について〜~ › 精度度を⾼高くする⼯工夫 • 枚数を増やす •
各クラスの枚数を合わせる › 画像を⽔水増しする⼿手法=データ拡張 とても狭い 狭い 普通 広い とても広い 420枚 716枚 1627枚 1246枚 254枚 1000枚 1000枚 1000枚 1000枚 1000枚 元画像 コントラスト強調 コントラスト低減 反転+コントラスト強調
27.
CNNと分類データ作成 〜~タスクまとめ〜~ › 不不動産物件画像から住居選択⽀支援のための情報を 抽出を、畳み込みニューラルネットワークにて⾏行行 う • 画像種別
→タスク1 • キッチンの使いやすさ • キッチンの種類 →タスク2 • キッチンのワークスペースの広さ →タスク3
28.
28Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › テストデータのError rate: 0.218 実験結果 〜~タスク1 画像種別〜~ 物件画像種別 結果 正答サンプル 不不正答サンプル キッチン97.3% リビング52.0% 間取り91.0% ⾵風呂呂100.0% 正解:リビング 結果:収納 収納 40.1% リビング 20.6% 洗⾯面 12.1% 正解:洗⾯面 結果:⾵風呂呂 ⾵風呂呂 64.7% 洗⾯面 26.2% トイレ 3.1% 正解:収納 結果:⾵風呂呂 ⾵風呂呂 75.0% トイレ 9.2% バルコニー 3.7%
29.
29Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › テストデータのError rate: 0.143 実験結果 〜~タスク1 画像種別〜~ 物件画像種別 結果
30.
30Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › 不不正解となったケース109例例を検証 • 判別器の誤り 61% • 正解データの誤り 20% • 重複するカテゴリ画像 18% 実験結果 〜~タスク1 画像種別〜~ 物件画像種別 結果 正解:キッチン ⽞玄関 47.955% キッチン 44.462% 設備 2.804% 正解:トイレ ⾵風呂呂 80.673% トイレ 18.004% 洗⾯面 1.137% 正解:収納 ⽞玄関 40.034% 収納 39.006% バルコニー 9.342%
31.
31 › テストデータでのError rate:
0.116 実験結果 〜~タスク2 キッチンの種類〜~ キッチン種類 結果 正解:セクショナル スコア:99.6% 正解:システム スコア:99.9% 正解:簡易易型 セクショナル:91.5% 簡易易型 :6.27% 正解:キッチン部分 その他 :94.1% 簡易易型 :3.92% 正答サンプル 不不正答サンプル
32.
32Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › Error rate: 0.362 › 相関係数:0.717 実験結果 〜~タスク3 キッチンのワークスペース広さ〜~ キッチン ワークスペース 結果 分類 スコア とても狭い 20 狭い 40 普通 60 広い 80 とても広い 100
33.
33Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. 実験結果 まとめ › タスク1: 画像種別 →error:0.14 正解データの誤りと重複タグあり › タスク2: キッチンの種類 →error:0.12 › タスク3: キッチンのワークスペース広さ →error:0.36 相関0.72
34.
34Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. › クラウドソーシングを⽤用いた正解データ拡充 • 訓練データの拡張による過学習改善 • Ground Truthとして使える⾼高精度度な正解データ の作成 →評価指標を整備 › 画像の品質と魅⼒力力度度の抽出 今後の課題
35.
35Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. Now we are hiring!
36.
36Copyright(c) NEXT Co.,
Ltd. All Rights Reserved. 参考 〜~タスク1 タスク3 キッチンのワークスペース広さ〜~ データ拡張の効果 データ拡張無し(各250枚) Error: 0.74 データ拡張あり(各1000枚) Error:0.52
Download now