Deep learning fotoanalyse voor inschatting woningkwaliteit

De “harde” kenmerken van een woning, zoals locatie, oppervlaktes en aantal kamers zijn openbaar beschikbaar of anderszins relatief eenvoudig te verkrijgen. Voor verschillende doeleinden willen we graag naast deze basale kenmerken eveneens een zo goed mogelijk beeld van de kwaliteit en de “zachtere” specifieke kenmerken van een woning verkrijgen. Een evidente toepassing hiervan is bijvoorbeeld het AVM. De algehele staat van onderhoud en kwaliteit van gebruikte materialen is zeer waarde bepalend voor een woning en kan tot grote waardeverschillen leiden. Andere relevante informatie is bijvoorbeeld het type tuin, een woningzoeker kan bijvoorbeeld juist geïnteresseerd zijn in tuinieren of hier een grote afkeer van hebben. Brainbay werkt al sinds 2019 aan het ontwikkelen en uitbreiden van beeldherkennings-algoritmes om daarmee zoveel mogelijk meerwaarde voor de NVM-leden te creëren. In deze presentatie zal het type model dat hiervoor benut wordt in hoofdlijn besproken worden en zullen de verschillende algoritmes op enkele foto’s losgelaten worden als ter illustratie. 

Steven Hommes is in 2020 begonnen bij brainbay als Data Scientist en heb toen ons in-house Data Science team helpen op te zetten welke verantwoordelijk is voor alle innovatie en doorontwikkeling op het gebied van statistische en machine learning modellen. Denk hierbij bijvoorbeeld aan ons AVM, automatische referentieselectie, prijsontwikkeling, energielabel waardering, biedingsmodel, tekst mining en beeldherkenning. Onze algoritmes en modellen worden vooral gebruikt voor de woningmarkt en soms ook voor zakelijk vastgoed. 

Steven Hommes, Data Scientist, bij brainbay