論文の概要: Location, location, location: Satellite image-based real-estate appraisal

• arxiv url: http://arxiv.org/abs/2006.11406v1
• Date: Thu, 4 Jun 2020 07:25:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 09:08:11.117167
• Title: Location, location, location: Satellite image-based real-estate appraisal
• Title（参考訳）: 位置、位置、位置:衛星画像に基づく不動産評価
• Authors: Jan-Peter Kucklick and Oliver M\"uller
• Abstract要約: 本研究では,畳み込みニューラルネットワークを用いて衛星画像と構造化データの予測性能を測定する。 トレーニングされた結果のCNNモデルは、構造化データに基づいてトレーニングされたニューラルネットワークの高度なベースラインよりも、MAEで7%向上する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Buying a home is one of the most important buying decisions people have to make in their life. The latest research on real-estate appraisal focuses on incorporating image data in addition to structured data into the modeling process. This research measures the prediction performance of satellite images and structured data by using convolutional neural networks. The resulting CNN model trained performs 7% better in MAE than the advanced baseline of a neural network trained on structured data. Moreover, sliding-window heatmap provides visual interpretability of satellite images, revealing that neighborhood structures are essential in the price estimation.
• Abstract（参考訳）: 家を買うことは、人々が人生で行わなければならない最も重要な購買判断の1つだ。 不動産評価に関する最近の研究は、構造化データに加えて画像データもモデリングプロセスに取り入れることに焦点を当てている。 本研究では,畳み込みニューラルネットワークを用いて衛星画像と構造化データの予測性能を測定する。 トレーニングされた結果のCNNモデルは、構造化データに基づいてトレーニングされたニューラルネットワークの高度なベースラインよりも、MAEで7%向上する。 さらに,スライディングウインドウ・ヒートマップは,衛星画像の視覚的解釈可能性を提供し,価格推定に周辺構造が不可欠であることを明らかにする。

関連論文リスト

• Classification of Geographical Land Structure Using Convolution Neural Network and Transfer Learning [1.024113475677323]
  本研究は, 都市計画・開発, 環境モニタリング, 災害管理など, 一連の応用を創出することができる。 本稿では、地理的な土地構造を分類するプロセスを自動化するための深層学習に基づくアプローチを開発した。
  論文  参考訳（メタデータ） (2024-11-19T11:01:30Z)
• SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
  我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。 我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
  論文  参考訳（メタデータ） (2024-03-25T10:30:22Z)
• Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
  より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。 具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
  論文  参考訳（メタデータ） (2023-12-03T13:50:24Z)
• Towards Explaining Satellite Based Poverty Predictions with Convolutional Neural Networks [0.0]
  深層畳み込みニューラルネットワーク(CNN)は、サテライト画像から驚くほどの精度で貧困と開発指標を予測することが示されている。 本稿では,CNNの応答を詳細に分析し,予測の基礎を説明するための最初の試みについて述べる。
  論文  参考訳（メタデータ） (2023-12-01T08:40:09Z)
• Building Segmentation on Satellite Images and Performance of Post-Processing Methods [1.0499611180329804]
  衛星画像のセグメンテーションは、都市、農業、通信網計画など多くの潜在的な用途に利用できる。 われわれは中国でいくつかのモデルを訓練し、その中の最高のモデルについて後処理を行った。 結果からわかるように、この分野の最先端の結果は得られていないが、結果は有望である。
  論文  参考訳（メタデータ） (2022-12-28T06:16:39Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Buildings Classification using Very High Resolution Satellite Imagery [0.769672852567215]
  住宅・非住宅の建物被害評価(BDA)とビルタイプ分類(BTC)に着目した。 まず,意味的セグメンテーションモデルを用いて建物の足跡を抽出する2段階のディープラーニング手法を提案する。 提案手法をF1スコアの精度と精度を示す2つのアプリケーションで検証する。
  論文  参考訳（メタデータ） (2021-11-29T16:07:04Z)
• House Price Prediction using Satellite Imagery [0.0]
  衛星画像を用いて住宅価格推定モデルの精度を向上させる方法を示す。 ImageNetで事前学習したInception-v3モデルから学習を移すことで、R-squaredスコアの10%向上が達成できた。
  論文  参考訳（メタデータ） (2021-05-13T03:25:32Z)
• DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
  本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。 本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
  論文  参考訳（メタデータ） (2021-04-28T15:13:12Z)
• Lifelong Property Price Prediction: A Case Study for the Toronto Real Estate Market [75.28009817291752]
  自動資産評価のための最初の寿命予測モデルであるLuceを提示する。 ルースは不動産価格の2つの重要な問題に対処している。 トロント不動産市場から得られた大規模な実生活データセットにLuceを適用することで,Luceのメリットを実証する。
  論文  参考訳（メタデータ） (2020-08-12T07:32:16Z)
• Self6D: Self-Supervised Monocular 6D Object Pose Estimation [114.18496727590481]
  自己教師付き学習による単眼6次元ポーズ推定のアイデアを提案する。 ニューラルレンダリングの最近の進歩を活用して、注釈のない実RGB-Dデータのモデルをさらに自己監督する。
  論文  参考訳（メタデータ） (2020-04-14T13:16:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。