Similar floor plan retrieval featuring multi-task learning of layout type classification and room presence prediction
Similar floor plan retrieval featuring multi-task learning of layout type classification and room presence prediction
复制标题
类似平面图检索，具有布局类型分类和房间存在预测的多任务学习
DOI：
10.1109/icce.2018.8326163
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
K. Aizawa
中科院分区：
文献类型：
--
作者：
Yuki Takada;Naoto Inoue;T. Yamasaki;K. Aizawa
在本文中，提出了一种新的房地产搜索框架，其中使用平面图图像作为查询。在相似房产搜索中，基于外观的相似图像检索效果不佳，因为相似房产具有完全不同的平面图图像。因此，提出了一种利用深度神经网络的多任务学习方法来解决该问题。训练卷积神经网络 (CNN) 来解决两个任务：布局类型分类和房间存在分类。然后将从 CNN 获得的特征向量应用于检索任务。在日本东京使用 22,140 个平面图图像进行了实验，与其他可能的方法相比，所提出的方法取得了最佳性能（15.7%，精度@5）。
In this paper, a new framework for real estate property searches is presented in which a floor plan image is used as a query. In similar property searches, appearance-based similar image retrieval does not work well because similar properties have totally different floor plan images. Therefore, a multitask learning method using deep neural networks to solve this problem is presented. Convolutional Neural Networks (CNNs) are trained to solve the two tasks: layout type classification and room presence classification. The feature vectors obtained from the CNNs are then applied to the retrieval task. Experiments using 22,140 floor plan images in Tokyo, Japan were conducted, and the proposed method achieved the best performance (15.7% with precision@5) compared to other possible approaches.
使用深度学习评估咬肌来检查口腔癌患者的新预后预测方法
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
阪本勝也;平岡慎一郎;川村晃平;内田修爾;田中晋
通讯作者：
田中晋