・今までの不動産検索サイトでは、3DKや4LDKといった、「部屋数」での物件検索 はできても、「リビングと一体で使える部屋が欲しい」「全部屋にバルコニーがあ る物件が理想」等の「間取りの特徴」を基に物件を探すことはできなかった。
・エンドユーザーが閲覧している物件間取図の特徴をディープラーニングをもとに AIで解析し、2万件超の登録物件の中から、間取りの特徴が類似した物件を探し 出し、おすすめ物件を表示。これにより、間取りの特徴を軸にした新しい不動産 探しが可能に。
・解析可能な間取りの特徴例：
2階リビング、ワイドスパン（バルコニー側の間口が広い）、2wayキッチ ン（出入口が2箇所あるキッチン）、全居室がリビングを経由する、リビン グと一体で使える部屋あり、全居室バルコニーあり等
出典：「G検定公式テキスト第2版」読者WEB特典（翔泳社・2021年）より
ディープラーニング活用事例
業種や会社名・フリーワードで探す
全2件
・100 万戸を超える賃貸物件の画像をWeb サイトに掲載する際に、従来は営業スタッフが手作業でリビングやキッチン、玄関、洗面所などのカテゴリに分類していた（1 部屋あたり約20 枚の外観・室内写真に対して、分類を実施）。
・膨大な作業時間の効率化が課題に（登録作業には物件1 件あたり5 〜10 分を要し、その登録総数は年間30 万件近くにのぼる）。
・「働き方改革」の一環として、ディープラーニングを活用した賃貸物件の画像分類システムを構築。
→ディープラーニングにより物件画像を21 種のカテゴリに分類し、Web サイトへの登録作業まで自動化することで作業時間を70％、月3,000 時間削減。
・画像分類モデルには畳み込みニューラルネットワーク（CNN）を採用。誤った分類結果に関する修正ログの蓄積を行うことで、今後のさらなる分類精度向上に活用していく方針。
出典：「G検定公式テキスト第2版」（翔泳社・2021年）より
・膨大な作業時間の効率化が課題に（登録作業には物件1 件あたり5 〜10 分を要し、その登録総数は年間30 万件近くにのぼる）。
・「働き方改革」の一環として、ディープラーニングを活用した賃貸物件の画像分類システムを構築。
→ディープラーニングにより物件画像を21 種のカテゴリに分類し、Web サイトへの登録作業まで自動化することで作業時間を70％、月3,000 時間削減。
・画像分類モデルには畳み込みニューラルネットワーク（CNN）を採用。誤った分類結果に関する修正ログの蓄積を行うことで、今後のさらなる分類精度向上に活用していく方針。
出典：「G検定公式テキスト第2版」（翔泳社・2021年）より
ディープラーニングの活用事例を募集しています
JDLAでは、ディープラーニングを活用した事例の情報を募集しております。
申請いただいた情報は、内容を確認後、JDLAの公式サイトにて掲載させていただく予定です。
以下のリンク先のフォームに必要事項をご記入の上、申請お願いいたします。