Vie privée

Lorsque vous visitez ce site, celui-ci peut stocker ou récupérer des informations sur votre navigateur, principalement sous forme de témoins (cookies). Ces informations ne permettent pas de vous identifier directement, elles sont utilisées pour faciliter la navigation et offrir une expérience plus personnalisée.... 

Toujours actif

Ces témoins sont indispensables au bon fonctionnement du site web et ne peuvent pas être désactivés de nos systèmes. Ils ne sont généralement qu’activés en réponse à des actions que vous effectuez, comme la configuration de vos préférences de confidentialité, la connexion ou le remplissage de formulaires.

Ces témoins permettent d’améliorer les fonctionnalités et la personnalisation de notre site, telles que par exemple l’utilisation de vidéos et de services de messagerie instantanée. Si vous n’acceptez pas cette catégorie de témoins, certaines ou toutes ces fonctionnalités seront susceptibles ne pas fonctionner correctement.

Aucun cookie à afficher.

Ces témoins nous permettent de déterminer le nombre de visites et les sources du trafic sur notre site web, afin d’en mesurer et d’en améliorer les performances. Ils nous aident également à identifier les pages les plus/moins visitées et à évaluer comment les visiteurs naviguent sur le site. Toutes les informations, collectées par ces témoins, sont agrégées et donc anonymisées.

Ces témoins peuvent être activés sur notre site web pour établir des profils sur vos intérêts. Ils nous aident à vous proposer des publicités et des contenus personnalisés sur d’autres sites. Si vous n’acceptez pas cette catégorie de témoins, des publicités moins ciblées sur vos intérêts vous seront proposées lors de votre navigation sur d’autres sites web.

Aucun cookie à afficher.

Automatic Characterization of Buildings Based Only on Facades

Présentation de Cyril Blanc, étudiant à la maîtrise en génie électrique, sous la supervision de Jean-François Lalonde et Christian Gagné, sur la caractérisation automatique des bâtiments en se basant uniquement sur les façades.

Date
  • 07 décembre 2021
Heure

15h00 à 16h00

Localisation

En ligne

Coûts

Gratuit

Résumé

A facade being the representative face of any building, we can gauge its real estate features by just looking at it.  We naturally deduce from its structure, components, size or condition, diverse properties of the whole edifice without ever going inside it. Being able to model this skill could lead to multiple housing-related applications: automated property valuation, custom insurance contract suggestion, or as a market studying tool.  Deep learning methods have evolved to mimic human perception and they now outperform us on object classification/recognition, artistic style imitation, and even on some video or board games. However, these performances are often at the expense of understandability: depicted as black boxes, their predictions are obtained in an unexplicit or inexplicable way. Recently, great progress in explainable AI is trying to solve this issue.

From here, can we use neural networks to craft an understandable expert of a given city housing market solely from building facades? We propose to use open source assessment data and facade photographs obtained via Google Street View to constitute a dataset. We then train a convolutional neural network at characterizing a property given its facade. Different network architectures are explored to, for instance, predict its construction year within 4 years and its property value with less than 27 kCAD average error. Then, we leverage the learned representation to better understand the phenomena at use in housing assessment: our proposed method reveals different groups within a particular city real estate and their corresponding quantitative, geographic, and visual properties.

Restons en contact!

Vous souhaitez être informé des nouvelles et activités de l'IID? Abonnez-vous dès maintenant à notre infolettre mensuelle.