文件名称：PropertyClassification:根据给定的房地产，卫星和街景图像对物业类型进行分类
文件大小：124.51MB
文件格式：ZIP
更新时间：2024-06-07 01:05:57
airflow deep-neural-networks computer-vision deep-learning tensorflow
物业分类 对于房地产组织，重要的是要识别财产是否空置。 对于一个简单的案例，该项目旨在对财产是土地还是房屋进行分类。 在这里，我们使用四种不同类型的图像。 评估者图像（属性图像（手动收集），每5年发布一次） 从Bing和Google提取的航空/卫星图像 从Bing和Google提取的街边图片 OSM建筑物拐角（宗地边界）。 概述： 问题场景： 评估者图像：我们拥有5-9年的评估者图像，并且在5-9年中，许多物业（房屋）已被拆毁，许多房屋都建在空地上。 因此，如果标签上写着“某物是一所房子”，则该图像可能表明该物是“土地”。 有许多这样的情况，这使得仅在评估者图像上进行训练时模型性能很差。 外部数据收集和准备： 谷歌地图和必应地图上的空中街边图像每1-2年更新一次，并且是更新的。 在这些图像中，模型会更可靠。 但是，由于存在1-2年的滞后，我们可能仍会结束 来自Bing和Googl