論文の概要: Thailand Asset Value Estimation Using Aerial or Satellite Imagery
- arxiv url: http://arxiv.org/abs/2307.08650v2
- Date: Fri, 4 Aug 2023 18:03:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 20:35:00.893846
- Title: Thailand Asset Value Estimation Using Aerial or Satellite Imagery
- Title（参考訳）: 航空画像と衛星画像を用いたタイの資産価値の推定
- Authors: Supawich Puengdang, Worawate Ausawalaithong, Phiratath Nopratanawong,
Narongdech Keeratipranon, Chayut Wongkamthong
- Abstract要約: 不動産はタイ経済において重要な分野であり、より正確な土地価格予測アプローチの需要が高まっている。
重み付け品質スコア(WQS)のような従来の土地価格予測手法は、主観的基準に依存しているため制限されている。
本稿では,Siamese-inspireed Neural Networkと事前学習したEfficientNetアーキテクチャを用いた類似性に基づくアセット評価モデルを提案する。
- 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: Real estate is a critical sector in Thailand's economy, which has led to a
growing demand for a more accurate land price prediction approach. Traditional
methods of land price prediction, such as the weighted quality score (WQS), are
limited due to their reliance on subjective criteria and their lack of
consideration for spatial variables. In this study, we utilize aerial or
satellite imageries from Google Map API to enhance land price prediction models
from the dataset provided by Kasikorn Business Technology Group (KBTG). We
propose a similarity-based asset valuation model that uses a Siamese-inspired
Neural Network with pretrained EfficientNet architecture to assess the
similarity between pairs of lands. By ensembling deep learning and tree-based
models, we achieve an area under the ROC curve (AUC) of approximately 0.81,
outperforming the baseline model that used only tabular data. The appraisal
prices of nearby lands with similarity scores higher than a predefined
threshold were used for weighted averaging to predict the reasonable price of
the land in question. At 20\% mean absolute percentage error (MAPE), we improve
the recall from 59.26\% to 69.55\%, indicating a more accurate and reliable
approach to predicting land prices. Our model, which is empowered by a more
comprehensive view of land use and environmental factors from aerial or
satellite imageries, provides a more precise, data-driven, and adaptive
approach for land valuation in Thailand.
- Abstract（参考訳）: 不動産はタイの経済において重要なセクターであり、より正確な土地価格予測アプローチを求める声が高まっている。
重み付き品質スコア(wqs)のような伝統的な土地価格予測法は、主観的基準への依存と空間変数に対する考慮の欠如のために制限されている。
本研究では,Kasikorn Business Technology Group(KBTG)が提供するデータセットから,Google Map APIからの航空画像や衛星画像を利用して,土地価格予測モデルを強化する。
そこで我々は,Samese-inspireed Neural Networkと事前学習したEfficientNetアーキテクチャを用いた類似性に基づく資産評価モデルを提案する。
深層学習モデルと木ベースモデルを用いて,roc曲線(auc)下の約0.81の領域を推定し,表データのみを用いたベースラインモデルと比較した。
対象の土地の合理的価格を予測するために, 既定の閾値よりも高い類似度点を有する近隣土地の評価価格を用いた。
20\%平均絶対パーセンテージエラー(mape)では、リコールを59.26\%から69.55\%に改善し、より正確で信頼性の高い土地価格予測手法を示した。
我々のモデルは、航空や衛星画像から土地利用や環境要因をより包括的に把握し、タイの土地評価に対してより正確でデータ駆動的で適応的なアプローチを提供する。
関連論文リスト
- Utilizing Model Residuals to Identify Rental Properties of Interest: The
Price Anomaly Score (PAS) and Its Application to Real-time Data in Manhattan [0.0]
2023年9月現在、マンハッタンで利用可能なすべての不動産のデータを収集し、モデル残高の理解を深めることを目的としている。
これらの知見を活用するために、不規則に予測される価格のバウンダリを捕捉できる指標であるPrice Anomaly Score(PAS)を導入する。
論文 参考訳（メタデータ） (2023-11-29T00:14:30Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Extracting real estate values of rental apartment floor plans using
graph convolutional networks [0.0]
アクセスグラフのためのグラフ畳み込みネットワーク(GCN)を実装し,アクセスグラフの不動産価値をフロアプラン値として推定するモデルを提案する。
その結果,提案手法は従来のモデルと比較して家賃推定の精度を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2023-03-23T14:38:34Z) - A Coarse-to-Fine Approach for Urban Land Use Mapping Based on
Multisource Geospatial Data [4.2968261363970095]
本稿では,パーセルレベルの都市土地利用マッピングのための機械学習に基づくアプローチを提案する。
まず、道路網から生成された区画に基づいて、都市をビルトアップと非ビルトアップに分割する。
次に,異なる地域におけるパーセルの分類戦略を採用し,最終的に分類結果を統合された土地利用地図に組み合わせた。
論文 参考訳（メタデータ） (2022-08-18T13:30:56Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Improving Visual Grounding by Encouraging Consistent Gradient-based
Explanations [58.442103936918805]
注意マスク整合性は,従来の方法よりも優れた視覚的グラウンドリング結果が得られることを示す。
AMCは効率的で実装が容易であり、どんな視覚言語モデルでも採用できるため一般的である。
論文 参考訳（メタデータ） (2022-06-30T17:55:12Z) - High-resolution landscape-scale biomass mapping using a spatiotemporal
patchwork of LiDAR coverages [0.0]
温室効果ガス推定において,森林土壌のバイオマスの微細な評価がますます重要になっている。
ここでは、トレーニングデータの選択、地域的あるいは範囲的な偏見やエラーの調査、複数スケールでのマップパターンなど、一般的な障害に対処する。
我々のモデルは全体として正確であり (% RMSE 13-33%) バイアスが非常に低く (MBE $leq$$pm$5 Mg ha$-1$) 、ほとんどのフィールドオブザーバの変動を説明した。
論文 参考訳（メタデータ） (2022-05-17T17:53:50Z) - 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) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳（メタデータ） (2021-11-25T16:21:28Z) - Towards robust and speculation-reduction real estate pricing models
based on a data-driven strategy [0.0]
本稿では,機械学習に基づくデータ駆動型不動産価格モデルを提案する。
2016年から2020年にかけて収集されたBogot'aの178,865のフラットリストでモデルを検証した。
その結果、提案した最先端モデルが不動産価格を推定する上で堅牢で正確であることが示唆された。
論文 参考訳（メタデータ） (2020-11-26T15:54:07Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳（メタデータ） (2020-06-09T12:35:55Z)
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。