Classificação de imagens residenciais para pesquisa personalizada em sites e chatbots do ramo imobiliário

Abstract

O mercado de crédito imobiliário brasileiro é um setor muito importante para economia do país e que representa uma quantia significativa de seu PIB, além disso, o setor imobiliário é um mercado muito competitivo em que o atendimento e a experiência do cliente são de extrema importância para o sucesso do seu negócio. Este trabalho visa desenvolver um sistema de busca personalizada que proporciona uma melhor experiência para a procura de imóveis possibilitando ao cliente escolher uma imagem, de um conjunto predefinido de imagens, que melhor define o imóvel pretendido e colocar como argumento de entrada na sua busca via chatbot ou página web. Este trabalho apresenta desde a criação dos conjuntos de dados contendo imagens de fachadas de casas residenciais, seu tratamento e rotulação, até o estudo e execução de algoritmos de visão computacional para a extração de características de imagens e técnicas de aprendizado de máquina, em especial Redes Neurais Convolucionais, para classificação. Por fim, todos os dados obtidos pelos diversos testes realizados são expostos e analisados.

The Brazilian real estate credit market is a very important sector for the country’s economy that represents a significant amount of its GDP, furthermore, the real estate sector is a very competitive market in which customer service and experience are extremely important for the business success. This work aims to develop a personalized search system that provides a better experience for the search of properties, allowing the customer to choose an image, from a predefined set of images, that best defines the desired property and place it as an input argument in their search via chatbot or web page. This paper will cover from the creation of datasets containing images of residential house facades, their treatment and labeling, to the study and execution of computer vision algorithms for the extraction of image features and machine learning techniques, in particular Convolutional Neural Networks, for classification. Finally, all data obtained by the several tests performed will be exposed and analyzed.