SlideShare a Scribd company logo
1 of 21
Download to read offline
第33回人工知能学会全国大会@新潟
株式会社ブレインパッド 塚原 朋也
2019年06月04日
OS-10 不動産とAI
深層学習を用いた不動産画像の
分類システムのビジネス適用
© BrainPad Inc. 2
● 氏名:
○ 塚原 朋也
● 所属:
○ 株式会社ブレインパッド アナリティクスサービス本部 開発部
● プロフィール
○ 画像系を中心に機械学習システムの提案から運用保守まで一気
通貫で担当。最適な情報システムを構築することにより、お客様ビ
ジネスの生産性や利益率の向上を支援。
自己紹介
© BrainPad Inc. 3
● はじめに
● 物件写真自動掲載システムについて
● ビジネス適用までの進め方
● 要件定義工程での取り組み
● 考察
アジェンダ
© BrainPad Inc. 4
● はじめに
● 物件写真自動掲載システムについて
● ビジネス適用までの進め方
● 要件定義工程での取り組み
● 考察
アジェンダ
© BrainPad Inc. 5
● 近年、深層学習を活用し、ビジネスに適用するというニーズが多くなっ
てきている。
● 画像認識や画像分類では、Google社によるサービスなど、機械学習
の専門知識がなくてもカスタマイズされた機械学習モデルの構築が可
能となっている。
● このコモディティ化の流れにより、深層学習の活用を益々後押しする
要因になっていると考えられる。
はじめに
© BrainPad Inc. 6
● はじめに
● 物件写真自動掲載システムについて
● ビジネス適用までの進め方
● 要件定義工程での取り組み
● 考察
アジェンダ
© BrainPad Inc. 7
● 不動産業界において、深層学習の活用により業務におけるコスト削減
を図りたいというニーズがあり、大東建託株式会社向けに不動産画像
の分類システム(物件写真自動掲載システムと呼ぶ)を構築し、ビジネ
ス適用に至った。
● 物件写真自動掲載システムとは、どのようなものなのかを取り上げる。
参考:
○ 株式会社ブレインパッド NEWS RELEASE (http://www.brainpad.co.jp/news/2018/06/11/7695)
物件写真自動掲載システムについて
© BrainPad Inc. 8
● 大東建託株式会社では、営業スタッフが不動産画像を目視でリビング
やキッチン、玄関、洗面所などの分類種別を設定し、1枚ずつ手作業で
基幹システムへ登録していた。この登録作業は物件1件あたり5~10
分程を要し、その登録総数は年間30万件近くにのぼるため、その膨大
な作業時間の効率化が課題となっていた。
● 上記の単純作業に要する工数を削減することで、営業スタッフの工数
を付加価値の高い業務へ振り分けるため、不動産画像の分類および
基幹システムへの登録を自動化するシステムを構築するに至った。
背景・目的
© BrainPad Inc. 9
● 物件写真自動掲載システムの全体イメージは次の通りである。
● 「1枚ずつの手作業」を「物件毎に一括・自動化」に改善した。
機能内容
物件A
ドラッグ & ドロップ
物件B
物件C
基幹システム
自動分類処理
物件情報(建物CD 部屋CD)
外観
トイレ 洗面所 リビング
周辺
環境
周辺
環境
周辺
環境
間取り
物件情報(建物CD 部屋CD)
外観
トイレ 洗面所 居室
周辺
環境
周辺
環境
周辺
環境
間取り
不動産
画像
物件存在チェック 登録
推論
人手による更新
・
・
・
© BrainPad Inc. 10
● 営業スタッフの作業時間が1物件あたり約70%短縮され、1ヶ月あたり
に換算すると約3,000時間の作業時間削減に寄与することが見込まれ
る。
期待効果
© BrainPad Inc. 11
● はじめに
● 物件写真自動掲載システムについて
● ビジネス適用までの進め方
● 要件定義工程での取り組み
● 考察
アジェンダ
© BrainPad Inc. 12
● マイルストーン
● 各リリースの工程
○ 上記の1つのリリースにつき、次に挙げる5つの工程を踏む。ここで
は、赤枠部分にフォーカスする。
ビジネス適用までの進め方
対応事項:基本機能 (アップロード、分類、登録 )の実装
リリース範囲:一部営業店
対応事項:ビジネス適用に向けた機能追加
リリース範囲:全国営業店
繰り返し対応
要件定義 PoC 開発 テスト 運用保守
対応事項:ビジネス適用に向けた機能追加
リリース範囲:一部営業店
© BrainPad Inc. 13
● 顧客の要求事項からシステムに実装するべき機能要件や性能要件を
定義する。特に、対象の分類種別を精査し、その精度目標について顧
客の合意を得ることが重要である。
○ 高精度(正解率90%以上)が必須、低精度でも許容可能な分類種
別は何か。
○ ルールベースによる画像分類を行う分類種別は何か。
○ GUI等の機能仕様で解消可能な課題はあるか。
● 要件定義の3つの取り組みについて以降で触れる。
要件定義
© BrainPad Inc. 14
● PoCでは、次に挙げる3つの対応を行う。
○ 深層学習活用による画像分類だけでなくルールベールによる画像
分類の両者を組み合わせて、PoCの取り組みを広げ過ぎないこと
が重要である。
● 対応スピードとコストを両立することは重要な要素であるが、Google社
のサービスであるCloud AutoMLが有効である。同程度の精度を発揮
することを確認済みである。
PoC
モデル構築
および検証
データセット構
築
対象分類種別
の定義
© BrainPad Inc. 15
● システム観点に加えて分析モデル観点のテストが必要になる。後者で
は、要件定義工程にて顧客と合意の得られた対象の分類種別とその
精度目標を達成していることを確認する。
● 検証方法は、予測したクラスと実際の正解クラスとの混同行列を作成
して、正解率を評価する。物件写真自動掲載システムを介した場合
は、分類結果と不動産画像を目視で確認する。
テスト
© BrainPad Inc. 16
● 全国営業店へのビジネス適用を実現するには、システムの安定運用
が必須条件となる。また、サービス提供後のランニングコストを調整
し、顧客の合意を得る。
● 分類精度の監視や今後必要になる思われる再学習の頻度を見据え
て、自動分類結果と人手による変更結果との混同行列を作成して、実
運用における正解率を評価することも必要になる。
運用保守
© BrainPad Inc. 17
● はじめに
● 物件写真自動掲載システムについて
● ビジネス適用までの進め方
● 要件定義工程での取り組み
● 考察
アジェンダ
© BrainPad Inc. 18
● 要件定義では、大きく次に挙げる3つの取り組みを行う。
要件定義工程での取り組み
取り組み概要 実施事項 具体例
深層学習活用によ
る画像分類に関す
る要件定義
対象の分類種別を精査し、その精度目標を
設定する。不動産画像の分類結果の具体
例や精度の良し悪しが発生する原因を顧客
に説明し、対応スコープについて顧客の合
意を得る。
● 精度が良いものの代表例として、トイレ、洗面所、セキュリティ、キッチ
ン、風呂、周辺環境などがあり、人が容易に判断出来そうな分類種別
は、90%以上の高精度となる。
● 精度が悪いものの代表例として、その他画像、ロビーなどがあり、人が
容易に判断出来ず、分類種別のラベル付け基準がぶれやすい分類種
別は、50%を下回る低精度となる。
● 受領データに誤ったラベル付けがされた不動産画像が含まれているた
め、ミスリードを引き起こしている可能性がある。
ルールベースによ
る画像分類に関す
る要件定義
深層学習活用による画像分類で対応困難
なものはルールベールによる画像分類を行
う。間取り画像のように100%の分類精度
が要求されるものある。
● リビング、居室、その他部屋スペースについて基幹システムとの
API連携により間取り情報を取得し、その値を判断基準とする。
● ファイル名のprefix(e.g. madori-*.jpeg)を判断基準とする。
機能仕様に関する
要件定義
不動産画像の分類は、全分類種別に対し
て精度100%を保つことは現実的でないた
め、営業スタッフが手作業で分類種別の変
更を行い、リカバリー可能なUIを実装する。
● パズルゲームのように不動産画像のドラッグ&ドロップによる登録順番
入れ替えといったモダンなUIを導入し、システムの利便性向上を図りつ
つ作業時間の効率化に繋げる。
© BrainPad Inc. 19
● はじめに
● 物件写真自動掲載システムについて
● ビジネス適用までの進め方
● 要件定義工程での取り組み
● 考察
アジェンダ
© BrainPad Inc. 20
● 今後、対応するべき課題は次に挙げる3点と考えている。
考察
課題概要 課題内容 想定取り組み事項
不動産画像の分類種別のラ
ベル付け基準のぶれ
分析結果は不動産画像の分類種別のラベル付けの精度の
依存度が大きく、50%を下回る低精度となる場合がある。
明らかにミスリードを起こしそうなデータを修正し、誤った
分類種別が付与されたデータを学習データから除外する
ように対応したい。
人手を介する分析モデルの
テスト
分析モデルのテストにて目視で確認する部分が残る。 数理統計的な判断基準を取り入れることによる分析モデ
ルのテストの自動化を検討したい。
分析モデルの運用保守 システムの長期運用に際して、モデル学習時点と物件写真
自動掲載システムに実際にアップロードされる時点の不動
産画像に乖離が発生する可能性がある。
分析モデルの精度低下を検知する仕組みや再学習を実
施した場合のデータセットと分析モデルを管理できるよう
に対応したい。
株式会社ブレインパッド
〒108-0071 東京都港区白金台3-2-10 白金台ビル3F
TEL:03-6721-7002 FAX:03-6721-7010
www.brainpad.co.jp info@brainpad.co.jp
本資料は、未刊行文書として日本及び各国の著作権法に基づき保護されております。本資料には、株式会社ブレインパッド所有の特定情報が含まれて
おり、これら情報に基づく本資料の内容は、御社以外の第三者に開示されること、また、本資料を評価する以外の目的で、その一部または全文を複製、
使用、公開することは、禁止されています。また、株式会社ブレインパッドによる書面での許可なく、それら情報の一部または全文を使用または公開する
ことは、いかなる場合も禁じられております。

More Related Content

What's hot

エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善
エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善
エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善BrainPad Inc.
 
Factor analysis for ml by padoc 6 r
Factor analysis for ml by padoc 6 rFactor analysis for ml by padoc 6 r
Factor analysis for ml by padoc 6 rMasato Nakai
 
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?BrainPad Inc.
 
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用Hiroyuki Masuda
 
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介Kazuma Kadomae
 
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発BrainPad Inc.
 
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~Deep Learning Lab(ディープラーニング・ラボ)
 
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)Tokoroten Nakayama
 
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...Deep Learning Lab(ディープラーニング・ラボ)
 
企業文化をサービスデザインスタイルに
企業文化をサービスデザインスタイルに企業文化をサービスデザインスタイルに
企業文化をサービスデザインスタイルにRecruit Technologies
 
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4shakezo
 
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズDataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズRecruit Technologies
 
Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣
Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣
Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣aslead
 
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介aslead
 
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLiveDXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLiveTokoroten Nakayama
 
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?Norihiko Nakabayashi
 
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術Recruit Technologies
 

What's hot (20)

エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善
エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善
エンジニア勉強会資料_⑥エンジニアが主導する組織マネジメントや開発体制の継続的改善
 
Factor analysis for ml by padoc 6 r
Factor analysis for ml by padoc 6 rFactor analysis for ml by padoc 6 r
Factor analysis for ml by padoc 6 r
 
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
 
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
 
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
 
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
 
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
 
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
 
[Track1-5] 製造業における最新AI適用事例のご紹介
[Track1-5] 製造業における最新AI適用事例のご紹介[Track1-5] 製造業における最新AI適用事例のご紹介
[Track1-5] 製造業における最新AI適用事例のご紹介
 
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
 
企業文化をサービスデザインスタイルに
企業文化をサービスデザインスタイルに企業文化をサービスデザインスタイルに
企業文化をサービスデザインスタイルに
 
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
 
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズDataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
 
Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣
Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣
Mattermostが働き方を劇的改善!NRIの働き方改革の秘訣
 
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
 
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介
 
[Track3-6] DXを推進するAI人材育成の在り方 ~ e-learning によるAIリテラシの向上~
[Track3-6] DXを推進するAI人材育成の在り方 ~ e-learning によるAIリテラシの向上~[Track3-6] DXを推進するAI人材育成の在り方 ~ e-learning によるAIリテラシの向上~
[Track3-6] DXを推進するAI人材育成の在り方 ~ e-learning によるAIリテラシの向上~
 
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLiveDXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
 
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
 
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
 

Similar to Business utilization of real estate image classification system using deep learning

ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測澪標アナリティクス
 
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料Takaya Nakanishi
 
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps] Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps] Google Cloud Platform - Japan
 
AIビジネス推進人材育成プログラムのご紹介
AIビジネス推進人材育成プログラムのご紹介AIビジネス推進人材育成プログラムのご紹介
AIビジネス推進人材育成プログラムのご紹介munjapan
 
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Recruit Technologies
 
クラウドで実現!!マーケティングにおけるIoT活用事例
クラウドで実現!!マーケティングにおけるIoT活用事例クラウドで実現!!マーケティングにおけるIoT活用事例
クラウドで実現!!マーケティングにおけるIoT活用事例Yasuhiro Kobayashi
 
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforceMasato Fujioka
 
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料BrainPad Inc.
 
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返りYuichi Morito
 
06.ユニアデックス(株)_発表資料
06.ユニアデックス(株)_発表資料06.ユニアデックス(株)_発表資料
06.ユニアデックス(株)_発表資料wagatuma
 
20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方
20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方
20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方Uniadex Ltd.
 
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)Shotaro Umeda
 
今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性tomohiro furukawa
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」Cybozucommunity
 
Icon2015開会宣言 imj竹内 加藤
Icon2015開会宣言 imj竹内 加藤Icon2015開会宣言 imj竹内 加藤
Icon2015開会宣言 imj竹内 加藤IMJ Corporation
 
Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会
Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会 Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会
Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会 IoTビジネス共創ラボ
 
『ハイブリッドクラウド研究会』創立について
『ハイブリッドクラウド研究会』創立について『ハイブリッドクラウド研究会』創立について
『ハイブリッドクラウド研究会』創立についてMasahiko Ebisuda
 
2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成
2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成
2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成Trainocate Japan, Ltd.
 
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAIナレッジコミュニケーション
 

Similar to Business utilization of real estate image classification system using deep learning (20)

ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測ディープラーニングによるユーザーの行動予測
ディープラーニングによるユーザーの行動予測
 
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
 
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps] Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
 
AIビジネス推進人材育成プログラムのご紹介
AIビジネス推進人材育成プログラムのご紹介AIビジネス推進人材育成プログラムのご紹介
AIビジネス推進人材育成プログラムのご紹介
 
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
 
クラウドで実現!!マーケティングにおけるIoT活用事例
クラウドで実現!!マーケティングにおけるIoT活用事例クラウドで実現!!マーケティングにおけるIoT活用事例
クラウドで実現!!マーケティングにおけるIoT活用事例
 
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce
 
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
 
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
 
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
 
06.ユニアデックス(株)_発表資料
06.ユニアデックス(株)_発表資料06.ユニアデックス(株)_発表資料
06.ユニアデックス(株)_発表資料
 
20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方
20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方
20180927 みやぎ IoT ビジネス共創ラボ 製造業から養豚まで、おいしい IoT & AI ビジネスのつくり方
 
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
 
今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
 
Icon2015開会宣言 imj竹内 加藤
Icon2015開会宣言 imj竹内 加藤Icon2015開会宣言 imj竹内 加藤
Icon2015開会宣言 imj竹内 加藤
 
Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会
Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会 Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会
Computer Visionで見る新たな世界_IoTビジネス共創ラボ 第10回 勉強会
 
『ハイブリッドクラウド研究会』創立について
『ハイブリッドクラウド研究会』創立について『ハイブリッドクラウド研究会』創立について
『ハイブリッドクラウド研究会』創立について
 
2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成
2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成
2018/8/6 トレLABO2 AI案件のよくある落とし穴と人材育成
 
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
 

More from BrainPad Inc.

機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルトBrainPad Inc.
 
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシシステム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシBrainPad Inc.
 
Python研修の作り方 - teaching-is_learning-
Python研修の作り方 - teaching-is_learning-Python研修の作り方 - teaching-is_learning-
Python研修の作り方 - teaching-is_learning-BrainPad Inc.
 
2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう
2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう
2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かうBrainPad Inc.
 
GKEとgRPCで実装する多言語対応・スケーラブルな内部API
GKEとgRPCで実装する多言語対応・スケーラブルな内部APIGKEとgRPCで実装する多言語対応・スケーラブルな内部API
GKEとgRPCで実装する多言語対応・スケーラブルな内部APIBrainPad Inc.
 
実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)BrainPad Inc.
 
エンジニア勉強会資料_③Rtoasterの11年
エンジニア勉強会資料_③Rtoasterの11年エンジニア勉強会資料_③Rtoasterの11年
エンジニア勉強会資料_③Rtoasterの11年BrainPad Inc.
 
DeltaCubeにおけるユニークユーザー集計高速化(実践編)
DeltaCubeにおけるユニークユーザー集計高速化(実践編)DeltaCubeにおけるユニークユーザー集計高速化(実践編)
DeltaCubeにおけるユニークユーザー集計高速化(実践編)BrainPad Inc.
 
DeltaCubeにおけるユニークユーザー集計高速化(理論編)
DeltaCubeにおけるユニークユーザー集計高速化(理論編)DeltaCubeにおけるユニークユーザー集計高速化(理論編)
DeltaCubeにおけるユニークユーザー集計高速化(理論編)BrainPad Inc.
 
Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料BrainPad Inc.
 
Python twitter data_150709
Python twitter data_150709Python twitter data_150709
Python twitter data_150709BrainPad Inc.
 
Sparkストリーミング検証
Sparkストリーミング検証Sparkストリーミング検証
Sparkストリーミング検証BrainPad Inc.
 
Sparkパフォーマンス検証
Sparkパフォーマンス検証Sparkパフォーマンス検証
Sparkパフォーマンス検証BrainPad Inc.
 
Apache Sparkについて
Apache SparkについてApache Sparkについて
Apache SparkについてBrainPad Inc.
 
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性BrainPad Inc.
 

More from BrainPad Inc. (16)

Oss LT会_20210203
Oss LT会_20210203Oss LT会_20210203
Oss LT会_20210203
 
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
 
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシシステム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
システム開発素人が深層学習を用いた画像認識で麻雀点数計算するLINEbotを作ったハナシ
 
Python研修の作り方 - teaching-is_learning-
Python研修の作り方 - teaching-is_learning-Python研修の作り方 - teaching-is_learning-
Python研修の作り方 - teaching-is_learning-
 
2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう
2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう
2018 builderscon airflowを用いて、 複雑大規模なジョブフロー管理 に立ち向かう
 
GKEとgRPCで実装する多言語対応・スケーラブルな内部API
GKEとgRPCで実装する多言語対応・スケーラブルな内部APIGKEとgRPCで実装する多言語対応・スケーラブルな内部API
GKEとgRPCで実装する多言語対応・スケーラブルな内部API
 
実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)
 
エンジニア勉強会資料_③Rtoasterの11年
エンジニア勉強会資料_③Rtoasterの11年エンジニア勉強会資料_③Rtoasterの11年
エンジニア勉強会資料_③Rtoasterの11年
 
DeltaCubeにおけるユニークユーザー集計高速化(実践編)
DeltaCubeにおけるユニークユーザー集計高速化(実践編)DeltaCubeにおけるユニークユーザー集計高速化(実践編)
DeltaCubeにおけるユニークユーザー集計高速化(実践編)
 
DeltaCubeにおけるユニークユーザー集計高速化(理論編)
DeltaCubeにおけるユニークユーザー集計高速化(理論編)DeltaCubeにおけるユニークユーザー集計高速化(理論編)
DeltaCubeにおけるユニークユーザー集計高速化(理論編)
 
Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料
 
Python twitter data_150709
Python twitter data_150709Python twitter data_150709
Python twitter data_150709
 
Sparkストリーミング検証
Sparkストリーミング検証Sparkストリーミング検証
Sparkストリーミング検証
 
Sparkパフォーマンス検証
Sparkパフォーマンス検証Sparkパフォーマンス検証
Sparkパフォーマンス検証
 
Apache Sparkについて
Apache SparkについてApache Sparkについて
Apache Sparkについて
 
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
 

Business utilization of real estate image classification system using deep learning

  • 1. 第33回人工知能学会全国大会@新潟 株式会社ブレインパッド 塚原 朋也 2019年06月04日 OS-10 不動産とAI 深層学習を用いた不動産画像の 分類システムのビジネス適用
  • 2. © BrainPad Inc. 2 ● 氏名: ○ 塚原 朋也 ● 所属: ○ 株式会社ブレインパッド アナリティクスサービス本部 開発部 ● プロフィール ○ 画像系を中心に機械学習システムの提案から運用保守まで一気 通貫で担当。最適な情報システムを構築することにより、お客様ビ ジネスの生産性や利益率の向上を支援。 自己紹介
  • 3. © BrainPad Inc. 3 ● はじめに ● 物件写真自動掲載システムについて ● ビジネス適用までの進め方 ● 要件定義工程での取り組み ● 考察 アジェンダ
  • 4. © BrainPad Inc. 4 ● はじめに ● 物件写真自動掲載システムについて ● ビジネス適用までの進め方 ● 要件定義工程での取り組み ● 考察 アジェンダ
  • 5. © BrainPad Inc. 5 ● 近年、深層学習を活用し、ビジネスに適用するというニーズが多くなっ てきている。 ● 画像認識や画像分類では、Google社によるサービスなど、機械学習 の専門知識がなくてもカスタマイズされた機械学習モデルの構築が可 能となっている。 ● このコモディティ化の流れにより、深層学習の活用を益々後押しする 要因になっていると考えられる。 はじめに
  • 6. © BrainPad Inc. 6 ● はじめに ● 物件写真自動掲載システムについて ● ビジネス適用までの進め方 ● 要件定義工程での取り組み ● 考察 アジェンダ
  • 7. © BrainPad Inc. 7 ● 不動産業界において、深層学習の活用により業務におけるコスト削減 を図りたいというニーズがあり、大東建託株式会社向けに不動産画像 の分類システム(物件写真自動掲載システムと呼ぶ)を構築し、ビジネ ス適用に至った。 ● 物件写真自動掲載システムとは、どのようなものなのかを取り上げる。 参考: ○ 株式会社ブレインパッド NEWS RELEASE (http://www.brainpad.co.jp/news/2018/06/11/7695) 物件写真自動掲載システムについて
  • 8. © BrainPad Inc. 8 ● 大東建託株式会社では、営業スタッフが不動産画像を目視でリビング やキッチン、玄関、洗面所などの分類種別を設定し、1枚ずつ手作業で 基幹システムへ登録していた。この登録作業は物件1件あたり5~10 分程を要し、その登録総数は年間30万件近くにのぼるため、その膨大 な作業時間の効率化が課題となっていた。 ● 上記の単純作業に要する工数を削減することで、営業スタッフの工数 を付加価値の高い業務へ振り分けるため、不動産画像の分類および 基幹システムへの登録を自動化するシステムを構築するに至った。 背景・目的
  • 9. © BrainPad Inc. 9 ● 物件写真自動掲載システムの全体イメージは次の通りである。 ● 「1枚ずつの手作業」を「物件毎に一括・自動化」に改善した。 機能内容 物件A ドラッグ & ドロップ 物件B 物件C 基幹システム 自動分類処理 物件情報(建物CD 部屋CD) 外観 トイレ 洗面所 リビング 周辺 環境 周辺 環境 周辺 環境 間取り 物件情報(建物CD 部屋CD) 外観 トイレ 洗面所 居室 周辺 環境 周辺 環境 周辺 環境 間取り 不動産 画像 物件存在チェック 登録 推論 人手による更新 ・ ・ ・
  • 10. © BrainPad Inc. 10 ● 営業スタッフの作業時間が1物件あたり約70%短縮され、1ヶ月あたり に換算すると約3,000時間の作業時間削減に寄与することが見込まれ る。 期待効果
  • 11. © BrainPad Inc. 11 ● はじめに ● 物件写真自動掲載システムについて ● ビジネス適用までの進め方 ● 要件定義工程での取り組み ● 考察 アジェンダ
  • 12. © BrainPad Inc. 12 ● マイルストーン ● 各リリースの工程 ○ 上記の1つのリリースにつき、次に挙げる5つの工程を踏む。ここで は、赤枠部分にフォーカスする。 ビジネス適用までの進め方 対応事項:基本機能 (アップロード、分類、登録 )の実装 リリース範囲:一部営業店 対応事項:ビジネス適用に向けた機能追加 リリース範囲:全国営業店 繰り返し対応 要件定義 PoC 開発 テスト 運用保守 対応事項:ビジネス適用に向けた機能追加 リリース範囲:一部営業店
  • 13. © BrainPad Inc. 13 ● 顧客の要求事項からシステムに実装するべき機能要件や性能要件を 定義する。特に、対象の分類種別を精査し、その精度目標について顧 客の合意を得ることが重要である。 ○ 高精度(正解率90%以上)が必須、低精度でも許容可能な分類種 別は何か。 ○ ルールベースによる画像分類を行う分類種別は何か。 ○ GUI等の機能仕様で解消可能な課題はあるか。 ● 要件定義の3つの取り組みについて以降で触れる。 要件定義
  • 14. © BrainPad Inc. 14 ● PoCでは、次に挙げる3つの対応を行う。 ○ 深層学習活用による画像分類だけでなくルールベールによる画像 分類の両者を組み合わせて、PoCの取り組みを広げ過ぎないこと が重要である。 ● 対応スピードとコストを両立することは重要な要素であるが、Google社 のサービスであるCloud AutoMLが有効である。同程度の精度を発揮 することを確認済みである。 PoC モデル構築 および検証 データセット構 築 対象分類種別 の定義
  • 15. © BrainPad Inc. 15 ● システム観点に加えて分析モデル観点のテストが必要になる。後者で は、要件定義工程にて顧客と合意の得られた対象の分類種別とその 精度目標を達成していることを確認する。 ● 検証方法は、予測したクラスと実際の正解クラスとの混同行列を作成 して、正解率を評価する。物件写真自動掲載システムを介した場合 は、分類結果と不動産画像を目視で確認する。 テスト
  • 16. © BrainPad Inc. 16 ● 全国営業店へのビジネス適用を実現するには、システムの安定運用 が必須条件となる。また、サービス提供後のランニングコストを調整 し、顧客の合意を得る。 ● 分類精度の監視や今後必要になる思われる再学習の頻度を見据え て、自動分類結果と人手による変更結果との混同行列を作成して、実 運用における正解率を評価することも必要になる。 運用保守
  • 17. © BrainPad Inc. 17 ● はじめに ● 物件写真自動掲載システムについて ● ビジネス適用までの進め方 ● 要件定義工程での取り組み ● 考察 アジェンダ
  • 18. © BrainPad Inc. 18 ● 要件定義では、大きく次に挙げる3つの取り組みを行う。 要件定義工程での取り組み 取り組み概要 実施事項 具体例 深層学習活用によ る画像分類に関す る要件定義 対象の分類種別を精査し、その精度目標を 設定する。不動産画像の分類結果の具体 例や精度の良し悪しが発生する原因を顧客 に説明し、対応スコープについて顧客の合 意を得る。 ● 精度が良いものの代表例として、トイレ、洗面所、セキュリティ、キッチ ン、風呂、周辺環境などがあり、人が容易に判断出来そうな分類種別 は、90%以上の高精度となる。 ● 精度が悪いものの代表例として、その他画像、ロビーなどがあり、人が 容易に判断出来ず、分類種別のラベル付け基準がぶれやすい分類種 別は、50%を下回る低精度となる。 ● 受領データに誤ったラベル付けがされた不動産画像が含まれているた め、ミスリードを引き起こしている可能性がある。 ルールベースによ る画像分類に関す る要件定義 深層学習活用による画像分類で対応困難 なものはルールベールによる画像分類を行 う。間取り画像のように100%の分類精度 が要求されるものある。 ● リビング、居室、その他部屋スペースについて基幹システムとの API連携により間取り情報を取得し、その値を判断基準とする。 ● ファイル名のprefix(e.g. madori-*.jpeg)を判断基準とする。 機能仕様に関する 要件定義 不動産画像の分類は、全分類種別に対し て精度100%を保つことは現実的でないた め、営業スタッフが手作業で分類種別の変 更を行い、リカバリー可能なUIを実装する。 ● パズルゲームのように不動産画像のドラッグ&ドロップによる登録順番 入れ替えといったモダンなUIを導入し、システムの利便性向上を図りつ つ作業時間の効率化に繋げる。
  • 19. © BrainPad Inc. 19 ● はじめに ● 物件写真自動掲載システムについて ● ビジネス適用までの進め方 ● 要件定義工程での取り組み ● 考察 アジェンダ
  • 20. © BrainPad Inc. 20 ● 今後、対応するべき課題は次に挙げる3点と考えている。 考察 課題概要 課題内容 想定取り組み事項 不動産画像の分類種別のラ ベル付け基準のぶれ 分析結果は不動産画像の分類種別のラベル付けの精度の 依存度が大きく、50%を下回る低精度となる場合がある。 明らかにミスリードを起こしそうなデータを修正し、誤った 分類種別が付与されたデータを学習データから除外する ように対応したい。 人手を介する分析モデルの テスト 分析モデルのテストにて目視で確認する部分が残る。 数理統計的な判断基準を取り入れることによる分析モデ ルのテストの自動化を検討したい。 分析モデルの運用保守 システムの長期運用に際して、モデル学習時点と物件写真 自動掲載システムに実際にアップロードされる時点の不動 産画像に乖離が発生する可能性がある。 分析モデルの精度低下を検知する仕組みや再学習を実 施した場合のデータセットと分析モデルを管理できるよう に対応したい。
  • 21. 株式会社ブレインパッド 〒108-0071 東京都港区白金台3-2-10 白金台ビル3F TEL:03-6721-7002 FAX:03-6721-7010 www.brainpad.co.jp info@brainpad.co.jp 本資料は、未刊行文書として日本及び各国の著作権法に基づき保護されております。本資料には、株式会社ブレインパッド所有の特定情報が含まれて おり、これら情報に基づく本資料の内容は、御社以外の第三者に開示されること、また、本資料を評価する以外の目的で、その一部または全文を複製、 使用、公開することは、禁止されています。また、株式会社ブレインパッドによる書面での許可なく、それら情報の一部または全文を使用または公開する ことは、いかなる場合も禁じられております。