基于卫星图像房地产评估的多视图学习策略比较
计算机视觉与模式识别
2021-05-12 v1
摘要
在房屋信贷流程中，银行和贷款机构依赖快速准确的房地产价格估计来确定最高贷款价值。房地产评估通常基于关系数据，捕捉房产的硬性事实。然而，模型从纳入图像数据中获益良多，可捕捉额外的软因素。不同数据类型的结合需要多视图学习方法。因此，问题在于不同多视图学习策略各有哪些优缺点。在我们的研究中，我们在来自北卡罗来纳州阿什维尔的房地产数据和卫星图像上测试了多核学习、多视图拼接和多视图神经网络。我们的结果表明，多视图学习将MAE中的预测性能提高了至多13%。多视图神经网络表现最佳，但导致不透明的黑箱模型。对于寻求可解释性的用户，混合多视图神经网络或提升策略是合适的替代方案。
引用
@article{arxiv.2105.04984,
title = {A Comparison of Multi-View Learning Strategies for Satellite Image-Based Real Estate Appraisal},
author = {Jan-Peter Kucklick and Oliver Müller},
journal= {arXiv preprint arXiv:2105.04984},
year = {2021}
}
备注
Presented at: The AAAI-21 Workshop on Knowledge Discovery from Unstructured Data in Financial Services