抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
1つの不動産物件には数値情報,位置情報,画像情報が付属しており,そうした多形態のデータの相関関係を学習可能かを検討している。本論文では,見た目が大きく異なり,1対1の対応関係にない間取りと室内画像群の対応関係をディープニューラルネットワークで学習する試みについて述べた。まず,ディープニューラルネットワークは入力画像を決まったサイズの特徴ベクトルに変換する畳み込みニューラルネットワークと,特徴ベクトルを入力とするニューラルネットワークからなることを説明した。次に,α枚の入力画像の中で間取りに対応した画像を選択する多形態画像対応関係学習問題を拡張し,複数種類(β)の画像群が間取りに対応するかを是か否で返す問題と定義した。実際にLIFULL HOME’Sデータセットから100000レコードの物件情報を用い,99000レコードをトレーニングデータとして学習し,α=1,2,4,8,β=3としてテストデータに対する精度を調べた。その結果,人間と比べて高精度に高速で問題を解くことができ,学習用の問題と評価用の問題で異なるαを用いても精度に大差が生じなかった。また,学習されたネットワークはデータベース内のエラー検出に利用できることを示し,実画像を間取り中の位置関係とともに表示したり,間取りだけから画像検索によって見た目を推測するアプリケーションを展望した。