Deep Learningを用いた印象評価推定AIの作成と検証: 街並み画像の街路名と訪問意欲を対象に

摘要

This research utilizes artificial intelligence (AI) by applying deep learning in architecture and urban design. The study's novelty is clariiying the applicability of deep learning to impressions of city landscapes as visual elements of design to differentiate "desireo-desire to visit" and "degree of desire to visit". Street names were therefore classified as constituents of image consciousness. Thus, deduction AI that could achieve high precision from the viewpoint of psychological and medical treatment statistics is developed, and the confidence interval of 100 kinds of AI developed with this method is confirmed to be small.%近年，Deep Learningを基盤とする人工知能（AI)が急速に社会的な関心を集め，様々な分野において応用が期待されている。それを反映するように書籍も多数発表され，具体的な技術を解説する技術書だけでなく，事例紹介や実務上での活用の可能性を示唆するような一般向けの本も多数出版されている。契機のーつには，世界的な統計競技サイト「ILSVRC(ImageNet large scale visual recognitionchallenge)]での成果が挙げられる。「ILSVRC」には画像の「クラス分類」の精度を競う部門がある。この部門は，公開されているクラス分類付き画像のクラスを画像情報から推定する精度を競う部門である。2012年にこの部門でDeepLearningを使ったAI(AlexNet)が以前の成果を大きく上回ったことが，DeepLearningを用いたAIに対する注目度が近年に高まった契機の代表例と言える。Deep Learningの利点のーつを画像の分類を例に挙げると，画像を表現する特徴量を人が指定せずに，予め用意した分類に近づくように特徴量自体を学習させられる点が挙げられる。このような特徴量自体を学習する特徴を活かし，対象の適切な特徴量記述及び結果との因果関係の解明が複雑であった「画像認識」「音声認識」「自然言語処理」などの分野において，既存の結果を上回る成果が報告され大きな展開を生み出した。