Automatic and Accurate Classification of Hotel Bathrooms from Images with Deep Learning

要約

ホテルのバスルームは顧客満足度の点で最も重要な場所の 1 つであり、最も多くの苦情が報告される場所です。
体験を共有するために、ゲストはホテルを評価し、コメントし、肯定的または否定的な評価の画像を共有します。
ゲストが共有する部屋のイメージの重要な部分はバスルームに関連しています。
宿泊客は、バスルームに対する満足度や不満度をコメント内の画像で証明する傾向があります。
これらの肯定的または否定的なコメントやビジュアルは、見込み客に影響を与える可能性があります。
この研究では、画像を分析することによってホテルのバスルームを満足できる (良い) か不満足な (汚れ、欠陥、故障などの欠陥が存在する場合は悪い) に分類するために、2 つの異なるバージョンの深層学習アルゴリズムが設計されました。
一連の広範な実験研究の結果、2 つのモデル間で最も優れたパフォーマンスを発揮するモデルが決定されました。
モデルは、この研究のために特別に作成された 11,000 枚以上のバスルーム画像を含むデータセットを使用して、5 つのハイパーパラメータセットの 144 の組み合わせのそれぞれについてトレーニングされました。
この研究では、「HotelBath」データセットもコミュニティと共有されました。
4 つの異なる画像サイズ (両方向で 128、256、512、および 1024 ピクセル) が考慮されました。
モデルの分類パフォーマンスは、いくつかの指標を使用して測定されました。
どちらのアルゴリズムも、ハイパーパラメーターを多く組み合わせた場合でも、非常に魅力的なパフォーマンスを示しました。
バスルームの画像を非常に高い精度で分類できます。
つまり、トップのアルゴリズムは 92.4% の精度と 0.967 の AUC (曲線下面積) スコアを達成しました。
さらに、他の指標でも成功が証明されました…

要約(オリジナル)

Hotel bathrooms are one of the most important places in terms of customer satisfaction, and where the most complaints are reported. To share their experiences, guests rate hotels, comment, and share images of their positive or negative ratings. An important part of the room images shared by guests is related to bathrooms. Guests tend to prove their satisfaction or dissatisfaction with the bathrooms with images in their comments. These Positive or negative comments and visuals potentially affect the prospective guests. In this study, two different versions of a deep learning algorithm were designed to classify hotel bathrooms as satisfactory (good) or unsatisfactory (bad, when any defects such as dirtiness, deficiencies, malfunctions were present) by analyzing images. The best-performer between the two models was determined as a result of a series of extensive experimental studies. The models were trained for each of 144 combinations of 5 hyper-parameter sets with a data set containing more than 11 thousand bathroom images, specially created for this study. The ‘HotelBath’ data set was shared also with the community with this study. Four different image sizes were taken into consideration: 128, 256, 512 and 1024 pixels in both directions. The classification performances of the models were measured with several metrics. Both algorithms showed very attractive performances even with many combinations of hyper-parameters. They can classify bathroom images with very high accuracy. Suh that the top algorithm achieved an accuracy of 92.4% and an AUC (area under the curve) score of 0.967. In addition, other metrics also proved the success…

arxiv情報

提供元, 利用サービス

arxiv.jp, Google