国土地理院の「CNNによる地物抽出用教師データセット」（地図作成のための機械学習用データセット（ＧＳＩデータセット） (gsi.go.jp)）を使って、自作の地物抽出用セマンティック・セグメンテーション・モデルを作ってみました。
モデルは「道路、建物、水域、軌道、駐車場、水田、針葉樹林」のそれぞれについて一つずつ、合計７モデルを作りました。
モデルの訓練には１モデルあたり約１０時間かかるので、合計７０時間。ＣＰＵもＧＰＵも働きっぱなし。
ようやくモデルを作って、７カテゴリーのそれぞれについてその物体に属するピクセルが、１枚の画像に占める割合を求めたいと思います。
23,300枚の画像でこの作業をやったところ、
最近はPyTrochをよく使っています。１０年くらい前はTensorflowばかり使っていたのに．．．
いま改めてTensorflowとPyTorchの違いについて考えてみました。
個人的に両者の最も大きな違いは、モデルに対するデータの渡し方と誤差逆伝播の書き方。
まずはデータの渡し方。
Tensorflowでは、特徴量データと教師データを明確に分けて、例えばX_trainとy_trainといった形でモデルに渡します。一方Pytorchは特徴量データと教師データをデータローダーにまとめて、データローダーをモデルに渡します。そしてバッチサイズはデータローダー内で定義します。Tensorflowではモデル内でバッチサイズを定義します。
最近、航空写真や国土地理院の地図の画像を不動産の評価に使うことができないかいろいろ試しています。
不動産の価格は、価格形成要因の相互作用で形成されます。
価格形成要因というのは、だいたい以下のようなイメージでとらえることができます。
道路の幅や歩道の有無といった街路条件、
駅、小学校、スーパーなどへの距離といった交通・接近条件
建物が密集しているか、それとも敷地の余裕のある家が多い地域かといった環境条件
