Um método voltado à classificação de padrões construtivos em cidades por meio de aprendizado profundo

Abstract

The building standards of houses and buildings within a city play a crucial role in efficient urban management. These standards directly influence tax collection, structural safety, and urban planning, as this classification is an essential attribute for calculating the taxable value of a property. As technology advances, new tools can be applied to optimize these processes. Therefore, this work proposes a method that uses neural networks and deep learning to automatically identify and classify images of building facades, providing as a final result recommendations for building standards based on an input facade image. For the methodological conduction of this work, the Design Science Research Methodology (DSRM) was used, resulting in a method as the artifact. Regarding the evaluation of the proposed method, several pre-trained neural network models were tested using a dataset containing facades and their respective classifications. As a result, the results demonstrated an accuracy of over 90% when at least two classes were recommended. Overall, it was concluded that the artifact generated in this work is promising and could become a product with the aim of improving the agility and accuracy of the building standards classification process carried out by city halls.

Os padrões construtivos de casas e prédios dentro de uma cidade desempenham um papel crucial para a gestão urbanística eficiente. Tais padrões influenciam diretamente na arrecadação de impostos, na segurança estrutural e no planejamento urbano, visto que essa classificação é um atributo essencial para o cálculo do valor venal de um imóvel. Com o avanço da tecnologia, novas ferramentas podem ser aplicadas para otimizar esses processos. Sendo assim, este trabalho propõe um método que utiliza redes neurais e aprendizado profundo com o objetivo de identificar e classificar automaticamente imagens das fachadas de imóveis, provendo como resultado final recomendações dos padrões construtivos baseados em uma imagem de fachada de entrada. Para a condução metodológica deste trabalho foi utilizada a Design Science Research Methodology (DSRM), tendo como artefato resultante um método. Quanto à avaliação do método proposto, diversos modelos de redes neurais pré-treinados foram testados a partir de um conjunto de dados contendo fachadas e suas respectivas classificações. A partir disso, os resultados demonstraram uma acurácia de mais de 90% quando recomendada pelo menos duas classes. De modo geral, concluiu-se que o artefato gerado neste trabalho é promissor, podendo se tornar um produto com o intuito de melhorar a agilidade e precisão do processo de classificação de padrões construtivos realizado por prefeituras.