JP2020030730A - 家屋異動判読システム、家屋異動判読方法、家屋異動判読プログラム及び滅失判読モデル - Google Patents

Abstract

【課題】２時期の航空写真に基づいて、家屋の滅失を精度良く判読する。【解決手段】家屋異動判読装置１は、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真及び第１の時期における家屋図データを取得する取得部と、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出部と、家屋の形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像並びに家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成部と、学習データに基づいて機械学習を行い、第１及び第２の家屋領域画像を入力として家屋の滅失の有無を示す家屋滅失情報を出力とする滅失判読モデルを生成するモデル生成部と、生成された滅失判読モデルを出力するモデル出力部とを備える。【選択図】図１

Description

本発明は、家屋異動判読システム、家屋異動判読方法及び家屋異動判読プログラム、滅失判読モデルに関する。

例えば課税対象の調査等を目的として、２時期の航空写真を対比して、家屋の異動（滅失、新築及び増改築）を判別することが行われている。例えば、前年度の航空写真データに基づく画像データと今年度航空写真データに基づく画像データとを比較するためにそれらを画面に表示するための技術が知られている（例えば、特許文献１参照）。

特開２０１８−４３８９号公報

従来、２時期の航空写真の対比による家屋の異動の判読は、それらを表示した画面を人が目視することにより行われていた。しかしながら、目視による判読は、非常に手間がかかっていた。また、機械による画像処理により、２時期の画像から色、テクスチャ及び高さ情報等の差分の情報を抽出して、家屋の異動を判読することも行われていたが、抽出される差分の情報には、画像の撮影条件の差異等に起因するノイズが多く含まれ、判読の精度が低かった。

そこで本発明は、２時期の航空写真に基づいて、家屋の異動のうちの滅失を精度良く且つ高速に判読することを目的とする。

本発明の一形態に係る家屋異動判読システムは、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する家屋異動判読システムであって、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真、及び第１の時期における、第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得部であって、家屋図データは、一以上の家屋データを含み、家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得部と、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出部と、少なくとも形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像、並びに、第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成部と、学習データに基づいて機械学習を行い、形状情報を伴う第１及び第２の家屋領域画像を入力として当該第１の家屋領域画像に示される家屋の滅失の有無を示す家屋滅失情報を出力とする滅失判読モデルを生成するモデル生成部と、生成された滅失判読モデルを出力するモデル出力部と、を備える。

本発明の一形態に係る家屋異動判読方法は、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する家屋異動判読システムにおける家屋異動判読方法であって、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真、及び第１の時期における、第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得ステップであって、家屋図データは、一以上の家屋データを含み、家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得ステップと、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出ステップと、少なくとも形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像、並びに、第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成ステップと、学習データに基づいて機械学習を行い、形状情報を伴う第１及び第２の家屋領域画像を入力として当該第１の家屋領域画像に示される家屋の滅失の有無を示す滅失情報を出力とする滅失判読モデルを生成するモデル生成ステップと、生成された滅失判読モデルを出力する出力ステップと、を有する。

本発明の一形態に係る家屋異動判読プログラムは、コンピュータを、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する家屋異動判読システムとして機能させるための家屋異動判読プログラムであって、コンピュータに、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真、及び第１の時期における、第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得機能であって、家屋図データは、一以上の家屋データを含み、家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得機能と、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出機能と、少なくとも形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像、並びに、第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成機能と、学習データに基づいて機械学習を行い、形状情報を伴う第１及び第２の家屋領域画像を入力として当該第１の家屋領域画像に示される家屋の滅失の有無を示す滅失情報を出力とする滅失判読モデルを生成するモデル生成機能と、生成された滅失判読モデルを出力する出力機能と、を実現させる。

本発明の一形態に係る滅失判読モデルは、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための、機械学習により生成されるニューラルネットワークを含む学習済みモデルである滅失判読モデルであって、家屋の平面形状を表す形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を入力値として、第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを出力値とする学習データに基づく機械学習により構成され、第１の家屋領域画像及び第２の家屋領域画像のそれぞれは、一の家屋に関しての平面形状を表す形状情報及び位置を示す位置情報を含む家屋データに基づいて、第１の時期に撮影された第１の航空写真及び第２の時期に撮影された第２の航空写真のそれぞれから抽出された、一の家屋の位置及び範囲に対応する領域の画像である。

上記の形態によれば、第１の時期における家屋図データに基づいて、第１及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である、第１及び第２の家屋領域画像が抽出される。このように抽出された第１及び第２の家屋領域画像は、第１及び第２の時期のそれぞれにおける一の家屋の有無を示す画像的特徴を含むこととなる。また、第１の家屋領域画像に表されている家屋であって第１の時期における家屋図データに含まれている家屋の平面形状を表す形状情報を伴わせた第１及び第２の家屋領域画像が機械学習の学習データに用いられるので、第１及び第２の家屋領域画像に家屋の平面形状が適切に関連付けられて学習される。そして、家屋の滅失の有無を示す正解データがさらに関連付けられて学習されることにより滅失判読モデルが生成されるので、第１及び第２の時期のそれぞれにおける家屋の領域の画像に基づいて、家屋の滅失の発生の可能性を精度良く示す情報を高速に出力可能なモデルを得ることが可能となる。

別の形態に係る家屋異動判読システムは、抽出部は、家屋データにより示される家屋の形状情報に基づいて、当該家屋の平面形状を表す図形データ含む方形状の領域からなる家屋領域データを生成し、第１の航空写真及び第２の航空写真のそれぞれにおける、家屋領域データに対応する領域を、第１の家屋領域画像及び第２の家屋領域画像として抽出し、学習データ生成部は、第１の家屋領域画像、第２の家屋領域画像及び家屋領域データ、並びに、正解データを含む学習データを生成することとしてもよい。

上記の形態によれば、家屋の平面形状を表す図形データ含む方形状の領域からなる家屋領域データが生成されると共に、家屋領域と同様の形状の領域からなる第１及び第２の家屋領域画像が生成される。このように生成された家屋領域データ並びに第１及び第２の家屋領域画像が学習データとして用いられる。このように生成された家屋領域データは、第１の時期における家屋の平面形状の情報を確実に含むこととなるので、第１及び第２の家屋領域画像に家屋の平面形状の情報を適切に関連付けて機械学習を実施できる。

別の形態に係る家屋異動判読システムは、抽出部は、家屋データにより示される家屋の形状情報に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、形状情報に示される家屋の平面形状に対応する形状の領域を、第１の家屋領域画像及び第２の家屋領域画像として抽出し、学習データ生成部は、家屋の平面形状に対応する形状を有する第１の家屋領域画像及び第２の家屋領域画像並びに正解データを含む学習データを生成することとしてもよい。

上記の形態によれば、第１の時期における家屋の平面形状に対応する形状の領域が、第１及び第２の家屋領域画像として、第１及び第２の航空写真から抽出されるので、第１及び第２の家屋領域画像には、第１の時期における家屋の平面形状の情報が含まれることとなる。従って、このように抽出された第１及び第２の家屋領域画像を、別途の家屋の平面形状を表すデータを加えることなく、学習データとして機械学習に用いることにより、家屋の平面形状の情報を適切に関連付けた機械学習を実施できると共に、機械学習に供するデータの容量の削減が可能となる。

別の形態に係る家屋異動判読システムは、正解データは、所定の形状を有する画像データであって、家屋が滅失したことを示す正解データの全ての画素は、第１の色及び第２の色の一方を有し、家屋が滅失していないことを示す正解データの全ての画素は、第１の色及び第２の色の他方を有することとしてもよい。

上記の形態によれば、所定の形状を有し第１または第２の色の画素からなる画像データを、家屋の滅失の有無を示す家屋滅失情報として出力する滅失判読モデルを得ることが可能となる。また、家屋滅失情報において、家屋の滅失の有無の分類結果が各画素における２値の色のうちのいずれかの色として示されるので、第１の色の画素及び第２の色の画素の割合に、家屋の滅失の発生の可能性が反映されるので、家屋の滅失の有無を容易に判読できる。

また、本発明の一形態に係る家屋異動判読システムは、上記の滅失判読モデルを用いて、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読する家屋の滅失を判読する家屋異動判読システムであって、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真、及び第１の時期における、第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得部であって、家屋図データは、一以上の家屋データを含み、家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得部と、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出部と、少なくとも形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を滅失判読モデルに入力して、滅失判読モデルの出力値を家屋滅失情報として取得する判読部と、判読部により取得された家屋滅失情報を出力する滅失情報出力部と、を備える。

また、本発明の一形態に係る家屋異動判読方法は、上記の滅失判読モデルを用いて、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読する家屋異動判読システムにおける家屋異動判読方法であって、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真、及び第１の時期における、第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得ステップであって、家屋図データは、一以上の家屋データを含み、家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得ステップと、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出ステップと、少なくとも形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を滅失判読モデルに入力して、滅失判読モデルの出力値を家屋滅失情報として取得する判読ステップと、判読ステップにおいて取得された家屋滅失情報を出力する滅失情報出力ステップと、を有する。

また、本発明の一形態に係る家屋異動判読プログラムはコンピュータを、請求項７に記載の滅失判読モデルを用いて、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読する家屋異動判読システムとして機能させるための家屋異動判読プログラムであって、コンピュータに、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真、及び第１の時期における、第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得機能であって、家屋図データは、一以上の家屋データを含み、家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得機能と、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出機能と、少なくとも形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を滅失判読モデルに入力して、滅失判読モデルの出力値を家屋滅失情報として取得する判読機能と、判読機能により取得された家屋滅失情報を出力する滅失情報出力機能と、を実現させる。

上記の形態によれば、第１の時期における家屋図データに基づいて、第１及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である、第１及び第２の家屋領域画像が抽出される。このように抽出された第１及び第２の家屋領域画像は、第１及び第２の時期のそれぞれにおける一の家屋の有無を示す画像的特徴を含むこととなる。このように抽出された第１及び第２の家屋領域画像が家屋の平面形状を表す形状情報を伴って滅失判読モデルに入力されるので、第１の時期と第２の時期との間における家屋の滅失の有無が精度良く判読される。

別の形態に係る家屋異動判読システムは、家屋滅失情報は、第１及び第２の家屋領域画像の形状に対応する形状を有する画像であって、家屋滅失情報の各画素は、第１の色及び第１の色とは異なる第２の色のいずれかを有し、家屋滅失情報における第１の色の画素及び第２の色の画素の割合は、第１及び第２の家屋領域画像に示される領域における家屋の滅失の可能性を示すこととしてもよい。

上記の形態によれば、家屋滅失情報において、第１の色の画素及び第２の色の画素の割合に、家屋の滅失の発生の可能性が反映されるので、家屋の滅失の有無を容易に判読できる。

本発明の一側面によれば、２時期の航空写真に基づいて、家屋の異動のうちの滅失を精度良く且つ高速に判読することが可能となる。

本実施形態に係る家屋異動判読システムの機能的構成を示すブロック図である。 家屋異動判読装置のハードウェア構成を示す図である。 図３（ａ）は、航空写真の例を模式的に示す図である。図３（ｂ）は、家屋図データの例を模式的に示す図である。 家屋領域データの生成を示す図である。 家屋図データに関する前処理であるポリゴン統合処理を説明する図である。 家屋領域画像の抽出の例を示す図である。 図７（ａ）及び図７（ｂ）はそれぞれ、学習データの例を示す図である。 家屋領域画像の抽出及び学習データの生成の他の例を説明する図であって、図７（ａ）及び図７（ｂ）はそれぞれ、学習データの他の例を示す図である。 滅失判読モデルに入力するデータセット及びモデルから出力された家屋滅失情報の例を模式的に示す図である。 滅失判読モデルから出力される家屋滅失情報の例を示す図である。 機械学習によるモデル生成の局面における、家屋異動判読装置において実施される家屋異動判読方法の処理内容を示すフローチャートである。 学習済みのモデルを用いた家屋の滅失判読の局面における、家屋異動判読装置において実施される家屋異動判読方法の処理内容を示すフローチャートである。 図１３（ａ）及び図１３（ｂ）はそれぞれ、家屋異動判読プログラムの構成を示す図である。

以下、添付図面を参照しながら本発明の実施形態を詳細に説明する。なお、図面の説明において同一又は同等の要素には同一の符号を付し、重複する説明を省略する。

図１は、本実施形態に係る家屋異動判読システムの装置構成及び家屋異動判読装置の機能的構成を示す図である。図１に示すように、家屋異動判読装置１Ａは、機械学習によるモデル生成の局面における家屋異動判読システムを構成する。具体的には、家屋異動判読装置１Ａは、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する。

また、家屋異動判読装置１Ｂは、家屋の滅失判読の局面における家屋異動判読システムを構成する。具体的には、家屋異動判読装置１Ｂは、滅失判読モデルを用いて第１の時期と第２の時期との間における家屋の滅失を航空写真に基づいて判読する。

図１に示すように、家屋異動判読装置１Ａは、取得部１１、抽出部１２、学習データ生成部１３、モデル生成部１４及びモデル出力部１５を備える。家屋異動判読装置１Ｂは、取得部１１Ｂ、抽出部１２Ｂ、判読部１６及び滅失情報出力部１７を備える。

本実施形態の家屋異動判読装置１Ａ及び家屋異動判読装置１Ｂは、各々が別の装置として構成されているが、一体に構成されてもよい。また、家屋異動判読装置１Ａ及び家屋異動判読装置１Ｂに含まれる各機能部は、複数の装置に分散されて構成されてもよい。また、家屋異動判読装置１Ａ及び家屋異動判読装置１Ｂに含まれる各機能部は、ハードウェア及びソフトウェアのいずれか、または任意の組み合わせによって実現される。

図１に示すように、家屋異動判読システムは、航空写真記憶部２１、家屋図データ記憶部２２及びモデル記憶部２３といった記憶手段を含むことができる。これらの記憶手段２１〜２３は、家屋異動判読装置１Ａ及び家屋異動判読装置１Ｂからネットワークまたは所定の通信手段を介してアクセス可能に構成されている。また、記憶手段２１〜２３は、家屋異動判読装置１に設けられてもよい。

家屋異動判読装置１Ａ及び家屋異動判読装置１Ｂの各機能部の説明に先立って、記憶手段２１〜２３を説明する。航空写真記憶部２１は、所定時期に撮影された航空写真のデータを記憶している記憶手段である。本実施形態では、第１の時期と第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するために、航空写真記憶部２１は、第１の時期に撮影された第１の航空写真及び第２の時期に撮影された第２の航空写真を記憶している。具体的には、例えば、課税対象となる家屋の調査を目的とする場合には、第１の時期は、ある年の１月１日であり、第２の時期は、その翌年の１月１日である。

家屋図データ記憶部２２は、家屋図データを記憶している記憶手段である。家屋図データは、ある一時期において、所定の地理的領域に存在する各家屋の家屋データを含む。家屋データは、一の家屋に関しての平面形状を表す形状情報及び位置を示す位置情報を含む。また、家屋データは、家屋の大きさ（面積）に関する情報を含んでもよい。また、家屋データは、各家屋を一意に識別する識別情報に各情報を関連付けたデータであってもよい。家屋図データが２次元の地図上に表現される場合には、家屋データは、家屋の位置、形状及び大きさを表すポリゴンとして表されてもよい。家屋図データ及び家屋データは、例えばベクトルデータであることができる。家屋図データは、例えば、ある一時期における調査に基づいて、自治体等により作成される。本実施形態では、家屋図データ記憶部２２は、第１の時期における家屋図データを記憶している。

モデル記憶部２３は、家屋異動判読装置１Ａにより作成及び出力された滅失判読モデルを記憶する記憶手段である。家屋異動判読装置１Ｂは、モデル記憶部２３に記憶された滅失判読モデルを用いて、２時期の航空写真に基づいて、２時期間における家屋の滅失を判読する処理を実施できる。

図２は、家屋異動判読装置１のハードウェア構成図である。家屋異動判読装置１は、物理的には、図２に示すように、ＣＰＵ１０１、ＲＡＭ及びＲＯＭといったメモリにより構成される主記憶装置１０２、ハードディスク及びメモリ等で構成される補助記憶装置１０３、通信制御装置１０４などを含むコンピュータシステムとして構成されている。家屋異動判読装置１は、入力デバイスであるキーボード、タッチパネル、マウス等の入力装置１０５及びディスプレイ等の出力装置１０６をさらに含むこととしてもよい。なお、家屋異動判読装置１は、ＧＰＵを含んで構成されてもよい。

図１に示した各機能は、図２に示すＣＰＵ１０１、主記憶装置１０２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１０１の制御のもとで通信制御装置１０４等を動作させるとともに、主記憶装置１０２や補助記憶装置１０３におけるデータの読み出し及び書き込みを行うことで実現される。処理に必要なデータやデータベースは主記憶装置１０２や補助記憶装置１０３内に格納される。

再び図１を参照して、家屋異動判読装置１Ａの機能部を説明する。取得部１１は、第１の時期に撮影された第１の航空写真、第１の時期より後の時期である第２の時期に撮影された第２の航空写真、及び第１の時期における家屋図データを取得する。本実施形態では、第１の時期に存在した家屋の第２の時期における滅失の有無が判読される。具体的には、取得部１１は、家屋の滅失の判読の対象の地域が表された第１及び第２の航空写真を、航空写真記憶部２１から取得する。また、取得部１１は、第１及び第２の航空写真に表された地域に対応する家屋図データを、家屋図データ記憶部２２から取得する。

図３（ａ）は、航空写真の例を模式的に示す図である。図３（ａ）に示されるように、航空写真Ａ１は、家屋の滅失の判読となる対象の地域を上空から撮影した写真であって、複数の家屋が表されている。

図３（ｂ）は、家屋図データの例を模式的に示す図である。図３（ｂ）に示される例は、家屋図データを２次元の地図上に表現した例である。図３（ｂ）に示されるように、家屋図データＢ１は、図３（ａ）に示した航空写真Ａ１に表された地域に対応しており、家屋データｂ１１〜ｂ１８を含む。家屋データｂ１１〜ｂ１８はそれぞれ、各家屋の位置を示す位置情報及び平面形状を表す形状情報を含む。家屋データにおける位置情報は、例えば、座標値により表される。形状情報は、図３（ｂ）に示されるような、図形データであるポリゴンデータにより表される。

なお、取得部１１は、航空写真の撮影条件の差異等に起因する色調の差を補正するために、周知の手法により、取得した航空写真の画素値を正規化してもよい。また、取得部１１は、陰影除去のための周知の画像処理技術により、取得した航空写真中の陰影を除去してもよい。

抽出部１２は、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する。図４〜図６を参照して、家屋領域画像の抽出処理を説明する。

抽出部１２は、家屋領域画像の抽出に先立って、家屋図データの家屋データに基づいて、家屋領域データを生成する。図４は、家屋領域データの生成を示す図である。図４には、家屋図データの一部である部分家屋図データＢ２が示されている。部分家屋図データＢ２は、家屋データｂ２１を含む。

抽出部１２は、家屋データｂ２１に示される家屋の形状を示すポリゴンの中心点ＣＰ（例えば重心点）の座標及びポリゴンの面積を算出する。続いて、抽出部１２は、家屋データｂ２１のポリゴンの面積に応じて、ポリゴンの中心点ＣＰを中心としてポリゴンの外形を囲うことが可能なサイズを有する方形状領域ｒを設定する。本実施形態では、方形状領域ｒは、正方形状を有するが、正方形状には限定されない。方形状領域ｒのサイズは、例えば、ポリゴンのサイズに一定のマージンを加えたサイズであってもよいし、予め設定された複数の所定サイズのうちの一のサイズが適用されることとしてもよい。

そして、抽出部１２は、部分家屋図データＢ２から、家屋データｂ２１のポリゴンを含む方形状の領域である方形状領域ｒを抽出して、家屋領域データｃ２１を生成する。

図５は、家屋図データに関する前処理であるポリゴン統合処理を説明する図である。家屋図データにおいて、家屋図データの作成上の取り決め等に起因して、一の家屋が複数のポリゴンに分割されて表されている場合がある。このような場合に、抽出部１２は、家屋領域データの生成に先立って、ポリゴンの統合処理を実施してもよい。

例えば、抽出部１２は、１つの位置情報に関連付けられた複数のポリゴン（形状情報）を家屋図データから抽出する。図５の矢印左側は、一の家屋が複数のポリゴンにより表されている例を示しており、一の家屋の形状が、ポリゴンｂ３１及びポリゴンｂ３２の２つのポリゴンにより表されている。抽出部１２は、ポリゴンｂ３１及びポリゴンｂ３２に対して統合処理を行い、一の家屋を表す１つのポリゴンとしてポリゴンｂ３３を生成する。

図６は、家屋領域画像の抽出の例を示す図である。図６には、家屋領域データｃ４１が示されている。家屋領域データｃ４１は、一の家屋の平面形状を示すポリゴンである家屋データｂ４１を含む。抽出部１２は、第１の時期に撮影された第１の航空写真及び第２の時期に撮影された第２の航空写真のそれぞれにおける家屋領域データに対応する領域を、第１の家屋領域画像及び第２の家屋領域画像として抽出する。

図６に示す例では、抽出部１２は、第１の航空写真における、家屋領域データｃ４１に対応する領域を抽出して、第１の家屋領域画像ａ４１を生成する。また、抽出部１２は、第２の航空写真における、家屋領域データｃ４１に対応する領域を抽出して、第２の家屋領域画像ａ４２を生成する。

学習データ生成部１３は、少なくとも家屋の形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像並びに第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する。

本実施形態では、一例として、第１の家屋領域画像、第２の家屋領域画像及び家屋領域データ、並びに、正解データを含む学習データを生成する。図７は、学習データの例を示す図である。

図７（ａ）に示す例においては、学習データ生成部１３は、抽出部１２により抽出された第１の家屋領域画像ａ５１及び第２の家屋領域画像ａ５２を取得する。また、学習データ生成部１３は、第１及び第２の家屋領域画像ａ５１，ａ５２の抽出に際して参照された家屋領域データｃ５を取得する。

さらに、学習データ生成部１３は、第１及び第２の家屋領域画像ａ５１，ａ５２に示される領域における家屋の滅失の有無を示す正解データｅ５を、第１及び第２の家屋領域画像ａ５１，ａ５２並びに家屋領域データｃ５に関連付ける。

正解データは、所定の形状を有する画像データであって、家屋が滅失したことを示す正解データの全ての画素は、第１の色及び第２の色の一方を有し、家屋が滅失していないことを示す正解データの全ての画素は、第１の色及び第２の色の他方を有する、

具体的には、正解データｅ５は、第１の家屋領域画像ａ５１に表された家屋が、第２の家屋領域画像ａ５２において滅失したことを示す画像データである。正解データｅ５は、所定の形状を有する画像データであって、例えば第１及び第２の家屋領域画像ａ５１，ａ５２の形状に対応する形状を有することとしてもよいが、その形状に限定されない。また、本実施形態では、滅失があったことを白色で示すこととするので、正解データｅ５の全ての画素は、白色及び黒色の２色のうちの白色を有する。第１及び第２の家屋領域画像ａ５１，ａ５２並びに家屋領域データｃ５に対する正解データｅ５の関連付けは、第１及び第２の家屋領域画像ａ５１，ａ５２の目視により滅失の有無を判断したユーザにより行われることとしてもよい。

そして、学習データ生成部１３は、第１の家屋領域画像ａ５１、第２の家屋領域画像ａ５２及び家屋領域データｃ５並びに正解データｅ５のセットからなる学習データｄ５を生成する。このように、学習データｄ５は、家屋データｂ５を含む家屋領域データｃ５を含むことにより、家屋データｂ５により示される家屋の平面形状（ポリゴンの形状）の情報を含むことになる。従って、このような学習データｄ５により、第１及び第２の家屋領域画像ａ５１，ａ５２に家屋の平面形状の情報を適切に関連付けた機械学習が実現される。

図７（ｂ）に示す例においては、学習データ生成部１３は、抽出部１２により抽出された第１の家屋領域画像ａ６１及び第２の家屋領域画像ａ６２を取得する。また、学習データ生成部１３は、第１及び第２の家屋領域画像ａ６１，ａ６２の抽出に際して参照された家屋領域データｃ６を取得する。

さらに、学習データ生成部１３は、第１及び第２の家屋領域画像ａ６１，ａ６２に示される領域における家屋の滅失の有無を示す正解データｅ６を、第１及び第２の家屋領域画像ａ６１，ａ６２並びに家屋領域データｃ６に関連付ける。

具体的には、正解データｅ６は、第１の家屋領域画像ａ６１に表された家屋が、第２の家屋領域画像ａ６２において滅失していないことを示す画像データである。正解データｅ６は、所定の形状を有する画像データであって、例えば第１及び第２の家屋領域画像ａ６１，ａ６２の形状に対応する形状を有することとしてもよいが、その形状に限定されない。また、本実施形態では、滅失がなかったことを黒色で示すこととするので、正解データｅ６の全ての画素は、白色及び黒色の２色のうちの黒色を有する。第１及び第２の家屋領域画像ａ６１，ａ６２並びに家屋領域データｃ６に対する正解データｅ６の関連付けは、第１及び第２の家屋領域画像ａ６１，ａ６２の目視により滅失の有無を判断したユーザにより行われることとしてもよい。

そして、学習データ生成部１３は、第１の家屋領域画像ａ６１、第２の家屋領域画像ａ６２及び家屋領域データｃ６並びに正解データｅ６のセットからなる学習データｄ６を生成する。このように、学習データｄ６は、家屋データｂ６を含む家屋領域データｃ６を含むことにより、家屋データｂ６により示される家屋の平面形状（ポリゴンの形状）の情報を含むことになる。従って、このような学習データｄ６により、第１及び第２の家屋領域画像ａ６１，ａ６２に家屋の平面形状の情報を適切に関連付けた機械学習が実現される。

図８は、家屋領域画像の抽出及び学習データの生成の他の例を説明する図である。ここで説明する他の例では、抽出部１２は、家屋データにより示される家屋の形状情報に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、形状情報に示される家屋の平面形状に対応する形状の領域を、第１の家屋領域画像及び第２の家屋領域画像として抽出する。

図８（ａ）に示す例では、家屋図データに含まれる一の家屋の情報の一例として、家屋データｂ７が示されている。家屋データｂ７は、家屋の平面形状を示す形状情報として、ポリゴンデータを有している。抽出部１２は、第１の航空写真における、家屋データｂ７に対応する形状の領域を抽出して、第１の家屋領域画像ａ７１を生成する。また、抽出部１２は、第２の航空写真における、家屋データｂ７に対応する形状の領域を抽出して、第２の家屋領域画像ａ７２を生成する。なお、抽出部１２は、家屋データｂ７に示されるポリゴンの外形線の外側に一定のマージン領域を付した当該ポリゴンと略相似形の領域を、第１及び第２の航空写真から抽出して、第１及び第２の家屋領域画像を生成してもよい。

第１の家屋領域画像ａ７１に表されていた家屋が、第２の家屋領域画像ａ７２においては滅失しているので、第１及び第２の家屋領域画像ａ７１、ａ７２には、家屋の滅失を示す正解データｅ７を、例えば人手により関連付けることができる。

学習データ生成部１３は、第１の家屋領域画像ａ７１及び第２の家屋領域画像ａ７２並びに正解データｅ７を含む学習データｄ７を生成する。このように、第１及び第２の家屋領域画像ａ７１，ａ７２は、家屋の平面形状に基づいて抽出されることにより、家屋の平面形状と同様の平面形状を有することとなる。これにより、第１及び第２の家屋領域画像ａ７１，ａ７２には、家屋の平面形状の情報が含まれることとなる。

図８（ｂ）に示す例では、家屋図データに含まれる一の家屋の情報の一例として、家屋データｂ８が示されている。家屋データｂ８は、家屋の平面形状を示す形状情報として、ポリゴンデータを有している。抽出部１２は、第１の航空写真における、家屋データｂ８に対応する形状の領域を抽出して、第１の家屋領域画像ａ８１を生成する。また、抽出部１２は、第２の航空写真における、家屋データｂ８に対応する形状の領域を抽出して、第２の家屋領域画像ａ８２を生成する。なお、抽出部１２は、家屋データｂ８に示されるポリゴンの外形線の外側に一定のマージン領域を付した当該ポリゴンと略相似形の領域を、第１及び第２の航空写真から抽出して、第１及び第２の家屋領域画像を生成してもよい。

第１の家屋領域画像ａ８１に表されていた家屋が、第２の家屋領域画像ａ８２において滅失していないので、第１及び第２の家屋領域画像ａ８１、ａ８２には、家屋が滅失していないことを示す正解データｅ８を、例えば人手により関連付けることができる。

学習データ生成部１３は、第１の家屋領域画像ａ８１及び第２の家屋領域画像ａ８２並びに正解データｅ８を含む学習データｄ８を生成する。このように、第１及び第２の家屋領域画像ａ８１，ａ８２は、家屋の平面形状に基づいて抽出されることにより、家屋の平面形状と同様の平面形状を有することとなる。これにより、第１及び第２の家屋領域画像ａ８１，ａ８２には、家屋の平面形状の情報が含まれることとなる。

図８（ａ）及び図８（ｂ）に示すような学習データｄ７，ｄ８を機械学習に用いることにより、別途の家屋の平面形状を表すデータを加えることなく、家屋の平面形状の情報を適切に関連付けた機械学習を実施できると共に、機械学習に供するデータの容量の削減が可能となる。

再び図１を参照して、モデル生成部１４は、学習データ生成部１３により生成された学習データに基づいて機械学習を行い、家屋の形状情報を伴う第１及び第２の家屋領域画像を入力として、第１の家屋領域画像に示される家屋の、第２の家屋領域画像における滅失の有無を示す家屋滅失情報を出力とする滅失判読モデルを生成する。

本実施形態では、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）により構成される滅失判読モデルが生成されるが、モデルの構成は、機械学習及びディープラーニングの分野において適用可能なものであれば、この例に限定されない。モデル生成部１４は、学習データ生成部１３により生成された学習データに基づいて、家屋の滅失の有無の判読を画像分類問題として機械学習させることにより、滅失判読モデルを生成する。

本実施形態の滅失判読モデルは、ニューラルネットワークを含んで構成される。学習済みのニューラルネットワークを含むモデルである滅失判読モデルは、コンピュータにより読み込まれ又は参照され、コンピュータに所定の処理を実行させ及びコンピュータに所定の機能を実現させるプログラムとして捉えることができる。

即ち、本実施形態の滅失判読モデルは、ＣＰＵ（又は／及びＧＰＵ）及びメモリを備えるコンピュータにおいて用いられる。具体的には、コンピュータのＣＰＵ（又は／及びＧＰＵ）が、メモリに記憶された滅失判読モデルからの指令に従って、ニューラルネットワークの入力層に入力された入力データに対し、各層に対応する学習済みの重み付け係数と応答関数等に基づく演算を行い、出力層から結果を出力するよう動作する。

本実施形態におけるニューラルネットワークに対する入力データは、例えば、家屋の形状情報を伴う第１及び第２の家屋領域画像である。具体的には、第１及び第２の家屋領域画像の画素値を、入力データとしてのデータ形式に適宜変換したものである。ニューラルネットワークからの出力の結果は、学習データに含まれる正解データに対応する形式で出力される家屋滅失情報である。後述するように、家屋滅失情報は、家屋の滅失が発生した可能性を示す。

モデル出力部１５は、モデル生成部１４により生成された滅失判読モデルを出力する。具体的には、モデル出力部１５は、例えば、生成された滅失判読モデルをモデル記憶部２３に記憶させる。

このように、本実施形態の家屋異動判読装置１Ａによれば、第１の時期における家屋図データに基づいて、第１及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である、第１及び第２の家屋領域画像が抽出される。このように抽出された第１及び第２の家屋領域画像は、第１及び第２の時期のそれぞれにおける一の家屋の有無を示す画像的特徴を含むこととなる。また、第１の家屋領域画像に表されていると共に第１の時期における家屋図データに含まれている家屋の平面形状を表す形状情報を伴わせた第１及び第２の家屋領域画像が機械学習の学習データに用いられるので、第１及び第２の家屋領域画像に家屋の平面形状が適切に関連付けられて学習される。そして、家屋の滅失の有無を示す正解データがさらに関連付けられて学習されることにより滅失判読モデルが生成されるので、第１及び第２の時期のそれぞれにおける家屋の領域の画像に基づいて、家屋の滅失の発生の可能性を精度良く示す情報を出力可能なモデルを得ることが可能となる。

次に、再び図１を参照して、家屋の滅失判読の局面における家屋異動判読システムを構成する家屋異動判読装置１Ｂの機能を説明する。取得部１１Ｂは、取得部１１と同様の機能を有する。即ち、取得部１１Ｂは、家屋の滅失の判読の対象となる、第１の航空写真、第２の航空写真及び第１の時期における家屋図データを取得する。

抽出部１２Ｂは、抽出部１２と同様の機能を有する。即ち、抽出部１２Ｂは、家屋データにより示される家屋の位置及び平面形状に基づいて、取得部１１Ｂにより取得された第１の航空写真及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する。

判読部１６は、家屋の平面形状に関する形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を滅失判読モデルに入力して、滅失判読モデルの出力値を家屋滅失情報として取得する。図９は、滅失判読モデルに入力するデータセット及びモデルから出力された家屋滅失情報の例を模式的に示す図である。

滅失判読モデルに入力するデータセットｄ９は、第１の家屋領域画像ａ９１、第２の家屋領域画像ａ９２及び家屋領域データｃ９を含む。家屋領域データｃ９は、滅失の判読の対象である家屋に関する家屋データに基づいて抽出されたデータであって、当該家屋の平面形状を表すポリゴンの情報を含んでいる。第１の家屋領域画像ａ９１は、第１の時期に撮影された第１の航空写真から抽出された画像であって、滅失の判読の対象である家屋が表されている。第２の家屋領域画像ａ９２は、第２の時期に撮影された第２の航空写真から抽出された画像であって、第１の家屋領域画像ａ９１に表された地理的領域と同じ領域を表している。

判読部１６は、データセットｄ９を滅失判読モデルに入力することにより、その出力値として、家屋滅失情報ｆ９を取得する。家屋滅失情報においては、家屋の滅失の可能性の高さが、白色の画素と黒色の画素との割合に反映されている。具体的には、学習データにおいて、家屋が滅失したことを示す正解データを、白色の画素からなる画像データとして、家屋が滅失していないことを示す正解データを、黒色の画素からなる画像データとしているので、家屋滅失情報において白色の画素の割合が高いほど、家屋が滅失した可能性が高いことを示す。図９に示す家屋滅失情報ｆ９は、白色の画素の割合が極めて高いので、家屋が滅失した可能性が高いことを示している。

図１０は、滅失判読モデルから出力される家屋滅失情報の例を示す図である。図１０に示される家屋滅失情報ｆ１１〜ｆ１６のうちの家屋滅失情報ｆ１１では、白色の画素の割合が極めて高い。従って、家屋滅失情報ｆ１１は、家屋が滅失した可能性が高いことを示している。一方、家屋滅失情報ｆ１６では、白色の画素の割合が極めて低い。従って、家屋滅失情報ｆ１６は、家屋が滅失した可能性が低いことを示している。このように、家屋滅失情報が複数の画素により構成され、家屋の滅失の有無の分類結果が各画素における２値の色のうちのいずれかの色として示されるので、第１の色の画素及び第２の色の画素の割合に、家屋の滅失の発生の可能性が反映されることとなり、家屋の滅失の有無を容易に判読できる。

滅失情報出力部１７は、判読部１６により取得された家屋滅失情報を出力する。具体的には、滅失情報出力部１７は、家屋滅失情報を所定の記憶手段に出力して記憶させる。また、滅失情報出力部１７は、家屋滅失情報を所定の表示装置に表示させてもよい。

このように、本実施形態の家屋異動判読装置１Ｂによれば、第１の時期における家屋図データに基づいて、第１及び第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である、第１及び第２の家屋領域画像が抽出される。このように抽出された第１及び第２の家屋領域画像は、第１及び第２の時期のそれぞれにおける一の家屋の有無を示す画像的特徴を含むこととなる。このように抽出された第１及び第２の家屋領域画像が家屋の平面形状を表す形状情報を伴って滅失判読モデルに入力されるので、第１の時期と第２の時期との間における家屋の滅失の有無が精度良く判読される。

次に、図１１及び図１２を参照して、本実施形態の家屋異動判読システムの動作について説明する。図１１は、機械学習によるモデル生成の局面における、家屋異動判読装置１Ａにおいて実施される家屋異動判読方法の処理内容を示すフローチャートである。

ステップＳ１において、取得部１１は、第１の時期に撮影された第１の航空写真、第２の時期に撮影された第２の航空写真及び第１の時期における家屋図データを取得する。

ステップＳ２において、抽出部１２は、家屋データにより示される家屋の位置及び平面形状に基づいて、第１の航空写真及び第２の航空写真のそれぞれから、第１の家屋領域画像及び第２の家屋領域画像を抽出する。

ステップＳ３において、学習データ生成部１３は、家屋の形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像並びに第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する。

ステップＳ４において、モデル生成部１４は、学習データ生成部１３により生成された学習データに基づいて機械学習を行い、家屋の形状情報を伴う第１及び第２の家屋領域画像を入力として、第１の家屋領域画像に示される家屋の、第２の家屋領域画像における滅失の有無を示す家屋滅失情報を出力とする滅失判読モデルを生成する。

ステップＳ５において、モデル出力部１５は、ステップＳ４においてモデル生成部１４により生成された滅失判読モデルを出力する。

図１２は、学習済みのモデルを用いた家屋の滅失判読の局面における、家屋異動判読装置１Ｂにおいて実施される家屋異動判読方法の処理内容を示すフローチャートである。

ステップＳ１１において、取得部１１Ｂは、家屋の滅失の判読の対象となる、第１の航空写真、第２の航空写真及び第１の時期における家屋図データを取得する。

ステップＳ１２において、抽出部１２Ｂは、家屋データにより示される家屋の位置及び平面形状に基づいて、ステップＳ１１において取得部１１Ｂにより取得された第１の航空写真及び第２の航空写真のそれぞれから、第１の家屋領域画像及び第２の家屋領域画像を抽出する。

ステップＳ１３において、判読部１６は、家屋の平面形状に関する形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を滅失判読モデルに入力する。

ステップＳ１４において、判読部１６は、滅失判読モデルからの出力値を家屋滅失情報として取得する。

ステップＳ１６において、滅失情報出力部１７は、判読部１６により取得された家屋滅失情報を出力する。

次に、図１３を参照して、コンピュータを家屋異動判読装置として機能させるための家屋異動判読プログラムを説明する。図１３（ａ）に示される家屋異動判読プログラムＰ１Ａは、モデル生成の局面の家屋異動判読装置１Ａとしてコンピュータを機能させるためのプログラムであって、メインモジュールｍ１０、取得モジュールｍ１１、抽出モジュールｍ１２、学習データ生成モジュールｍ１３、モデル生成モジュールｍ１４及びモデル出力モジュールｍ１５を含む。

図１３（ｂ）に示される家屋異動判読プログラムＰ１Ｂは、学習済みのモデルを用いた家屋の滅失判読の局面の家屋異動判読装置１Ｂとしてコンピュータを機能させるためのプログラムであって、メインモジュールｍ１０Ｂ、取得モジュールｍ１１Ｂ、抽出モジュールｍ１２Ｂ、判読モジュールｍ１６及び滅失情報出力モジュールｍ１７を含む。

メインモジュールｍ１０，ｍ１０Ｂは、家屋異動判読処理を統括的に制御する部分である。取得モジュールｍ１１、抽出モジュールｍ１２、学習データ生成モジュールｍ１３、モデル生成モジュールｍ１４及びモデル出力モジュールｍ１５を実行することにより実現される機能はそれぞれ、図１に示される家屋異動判読装置１Ａの取得部１１、抽出部１２、学習データ生成部１３、モデル生成部１４及びモデル出力部１５の機能と同様である。

取得モジュールｍ１１Ｂ、抽出モジュールｍ１２Ｂ、判読モジュールｍ１６及び滅失情報出力モジュールｍ１７を実行することにより実現される機能はそれぞれ、図１に示される家屋異動判読装置１Ｂの取得部１１Ｂ、抽出部１２Ｂ、判読部１６及び滅失情報出力部１７の機能と同様である。

家屋異動判読プログラムＰ１Ａ，Ｐ１Ｂは、例えば、磁気ディスクや光ディスクまたは半導体メモリ等の記憶媒体Ｍ１Ａ，Ｍ１Ｂによって提供される。また、家屋異動判読プログラムＰ１Ａ，Ｐ１Ｂは、搬送波に重畳されたコンピュータデータ信号として通信ネットワークを介して提供されてもよい。

以上、本発明をその実施形態に基づいて詳細に説明した。しかし、本発明は上記実施形態に限定されるものではない。本発明は、その要旨を逸脱しない範囲で様々な変形が可能である。

１，１Ａ，１Ｂ…家屋異動判読装置、１１，１１Ｂ…取得部、１２，１２Ｂ…抽出部、１３…学習データ生成部、１４…モデル生成部、１５…モデル出力部、１６…判読部、１７…滅失情報出力部、２１…航空写真記憶部、２２…家屋図データ記憶部、２３…モデル記憶部、ｍ１０，ｍ１０Ｂ…メインモジュール、ｍ１１，ｍ１１Ｂ…取得モジュール、ｍ１２，ｍ１２Ｂ…抽出モジュール、ｍ１３…学習データ生成モジュール、ｍ１４…モデル生成モジュール、ｍ１５…モデル出力モジュール、ｍ１６…判読モジュール、ｍ１７…滅失情報出力モジュール、Ｍ１Ａ，Ｍ１Ｂ…記憶媒体、Ｐ１Ａ，Ｐ１Ｂ…家屋異動判読プログラム。

Claims (11)

1. 第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する家屋異動判読システムであって、
   前記第１の時期に撮影された第１の航空写真、前記第２の時期に撮影された第２の航空写真、及び前記第１の時期における、前記第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得部であって、前記家屋図データは、一以上の家屋データを含み、前記家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得部と、
   前記家屋データにより示される家屋の位置及び平面形状に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出部と、
   少なくとも前記形状情報を伴う前記第１の家屋領域画像及び前記第２の家屋領域画像、並びに、前記第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成部と、
   前記学習データに基づいて機械学習を行い、前記形状情報を伴う第１及び第２の家屋領域画像を入力として当該第１の家屋領域画像に示される家屋の滅失の有無を示す家屋滅失情報を出力とする前記滅失判読モデルを生成するモデル生成部と、
   生成された前記滅失判読モデルを出力するモデル出力部と、
   を備える家屋異動判読システム。
2. 前記抽出部は、前記家屋データにより示される家屋の形状情報に基づいて、当該家屋の平面形状を表す図形データ含む方形状の領域からなる家屋領域データを生成し、前記第１の航空写真及び前記第２の航空写真のそれぞれにおける、前記家屋領域データに対応する領域を、前記第１の家屋領域画像及び前記第２の家屋領域画像として抽出し、
   前記学習データ生成部は、前記第１の家屋領域画像、前記第２の家屋領域画像及び前記家屋領域データ、並びに、前記正解データを含む前記学習データを生成する、
   請求項１に記載の家屋異動判読システム。
3. 前記抽出部は、前記家屋データにより示される家屋の形状情報に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、前記形状情報に示される家屋の平面形状に対応する形状の領域を、前記第１の家屋領域画像及び前記第２の家屋領域画像として抽出し、
   前記学習データ生成部は、前記家屋の平面形状に対応する形状を有する前記第１の家屋領域画像及び前記第２の家屋領域画像並びに前記正解データを含む前記学習データを生成する、
   請求項１に記載の家屋異動判読システム。
4. 前記正解データは、所定の形状を有する画像データであって、家屋が滅失したことを示す正解データの全ての画素は、第１の色及び第２の色の一方を有し、家屋が滅失していないことを示す正解データの全ての画素は、第１の色及び第２の色の他方を有する、
   請求項１〜３のいずれか一項に記載の家屋異動判読システム。
5. 第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する家屋異動判読システムにおける家屋異動判読方法であって、
   前記第１の時期に撮影された第１の航空写真、前記第２の時期に撮影された第２の航空写真、及び前記第１の時期における、前記第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得ステップであって、前記家屋図データは、一以上の家屋データを含み、前記家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得ステップと、
   前記家屋データにより示される家屋の位置及び平面形状に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出ステップと、
   少なくとも前記形状情報を伴う前記第１の家屋領域画像及び前記第２の家屋領域画像、並びに、前記第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成ステップと、
   前記学習データに基づいて機械学習を行い、前記形状情報を伴う第１及び第２の家屋領域画像を入力として当該第１の家屋領域画像に示される家屋の滅失の有無を示す滅失情報を出力とする前記滅失判読モデルを生成するモデル生成ステップと、
   生成された前記滅失判読モデルを出力する出力ステップと、
   を有する家屋異動判読方法。
6. コンピュータを、第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための滅失判読モデルを生成する家屋異動判読システムとして機能させるための家屋異動判読プログラムであって、
   前記コンピュータに、
   前記第１の時期に撮影された第１の航空写真、前記第２の時期に撮影された第２の航空写真、及び前記第１の時期における、前記第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得機能であって、前記家屋図データは、一以上の家屋データを含み、前記家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得機能と、
   前記家屋データにより示される家屋の位置及び平面形状に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出機能と、
   少なくとも前記形状情報を伴う前記第１の家屋領域画像及び前記第２の家屋領域画像、並びに、前記第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを含む学習データを生成する学習データ生成機能と、
   前記学習データに基づいて機械学習を行い、前記形状情報を伴う第１及び第２の家屋領域画像を入力として当該第１の家屋領域画像に示される家屋の滅失の有無を示す滅失情報を出力とする前記滅失判読モデルを生成するモデル生成機能と、
   生成された前記滅失判読モデルを出力する出力機能と、
   を実現させる家屋異動判読プログラム。
7. 第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読するための、機械学習により生成されるニューラルネットワークを含む学習済みモデルである滅失判読モデルであって、
   家屋の平面形状を表す形状情報を伴う第１の家屋領域画像及び第２の家屋領域画像を入力値として、前記第１及び第２の家屋領域画像に示される領域における家屋の滅失の有無を示す正解データを出力値とする学習データに基づく機械学習により構成され、
   前記第１の家屋領域画像及び前記第２の家屋領域画像のそれぞれは、一の家屋に関しての平面形状を表す形状情報及び位置を示す位置情報を含む家屋データに基づいて、前記第１の時期に撮影された第１の航空写真及び前記第２の時期に撮影された第２の航空写真のそれぞれから抽出された、一の家屋の位置及び範囲に対応する領域の画像である、
   滅失判読モデル。
8. 請求項７に記載の滅失判読モデルを用いて、第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読する家屋の滅失を判読する家屋異動判読システムであって、
   前記第１の時期に撮影された第１の航空写真、前記第２の時期に撮影された第２の航空写真、及び前記第１の時期における、前記第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得部であって、前記家屋図データは、一以上の家屋データを含み、前記家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得部と、
   前記家屋データにより示される家屋の位置及び平面形状に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出部と、
   少なくとも前記形状情報を伴う前記第１の家屋領域画像及び前記第２の家屋領域画像を前記滅失判読モデルに入力して、前記滅失判読モデルの出力値を家屋滅失情報として取得する判読部と、
   前記判読部により取得された家屋滅失情報を出力する滅失情報出力部と、
   を備える家屋異動判読システム。
9. 前記家屋滅失情報は、前記第１及び第２の家屋領域画像の形状に対応する形状を有する画像であって、
   前記家屋滅失情報の各画素は、第１の色及び前記第１の色とは異なる第２の色のいずれかを有し、
   前記家屋滅失情報における第１の色の画素及び第２の色の画素の割合は、前記第１及び第２の家屋領域画像に示される領域における家屋の滅失の可能性を示す、
   請求項８に記載の家屋異動判読システム。
10. 請求項７に記載の滅失判読モデルを用いて、第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読する家屋異動判読システムにおける家屋異動判読方法であって、
    前記第１の時期に撮影された第１の航空写真、前記第２の時期に撮影された第２の航空写真、及び前記第１の時期における、前記第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得ステップであって、前記家屋図データは、一以上の家屋データを含み、前記家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得ステップと、
    前記家屋データにより示される家屋の位置及び平面形状に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出ステップと、
    少なくとも前記形状情報を伴う前記第１の家屋領域画像及び前記第２の家屋領域画像を前記滅失判読モデルに入力して、前記滅失判読モデルの出力値を家屋滅失情報として取得する判読ステップと、
    前記判読ステップにおいて取得された家屋滅失情報を出力する滅失情報出力ステップと、
    を有する家屋異動判読方法。
11. コンピュータを、請求項７に記載の滅失判読モデルを用いて、第１の時期と前記第１の時期より後の時期である第２の時期との間における家屋の滅失を航空写真に基づいて判読する家屋異動判読システムとして機能させるための家屋異動判読プログラムであって、
    前記コンピュータに、
    前記第１の時期に撮影された第１の航空写真、前記第２の時期に撮影された第２の航空写真、及び前記第１の時期における、前記第１及び第２の航空写真に表された領域に対応する家屋図データを取得する取得機能であって、前記家屋図データは、一以上の家屋データを含み、前記家屋データは、一の家屋に関しての少なくとも平面形状を表す形状情報及び位置を示す位置情報を含む、取得機能と、
    前記家屋データにより示される家屋の位置及び平面形状に基づいて、前記第１の航空写真及び前記第２の航空写真のそれぞれから、一の家屋の位置及び範囲に対応する領域の画像である第１の家屋領域画像及び第２の家屋領域画像を抽出する抽出機能と、
    少なくとも前記形状情報を伴う前記第１の家屋領域画像及び前記第２の家屋領域画像を前記滅失判読モデルに入力して、前記滅失判読モデルの出力値を家屋滅失情報として取得する判読機能と、
    前記判読機能により取得された家屋滅失情報を出力する滅失情報出力機能と、
    を実現させる家屋異動判読プログラム。