基于街道图像与深度学习的城市景观研究

• 作者: 刘姝 卡洛·拉蒂 李小江 王颖 蔡洋
• 来源期刊: 景观设计学（英文）
• 学科: 工学
• 关键词: 卷积神经网络 城市街道 人工智能 机器学习 图像分割
• 年，卷（期）: 2018,（2）
• 页码范围: 20-29
• 页数: 10页
• 分类号: TU98|TP18
• 字数: 4659字
• 语种: 英文

摘要

城市街道不仅是人类活动的集聚地,也是居民与城市建成环境发生社会交互的主要界面.因此,加深对于城市街道景观的了解在城市研究工作中至关重要.街道图像获取性的大大提高为城市景观研究提供了新的机遇,也提高了街道景观研究与分析的准确性与多样性.本研究基于街道图像,呈现了新近研发的深度卷积神经网络在景观分析中的应用.利用经过训练的深度卷积神经网络模型,我们能够准确地从街道图像中识别出不同的城市特征.根据图像分割技术处理结果,我们进一步测算出了马萨诸塞州剑桥市的街道绿化空间分布情况,并对街谷开阔程度进行了量化分析.诸如上述人工智能与大规模采集的街道图像的结合,将为世界范围内的城市景观研究提供全新的视角.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小江	麻省理工学院城市研究与规划系感知城市实验室	1	3	1.0	1.0
2	蔡洋	麻省理工学院城市研究与规划系感知城市实验室	1	3	1.0	1.0
3	卡洛·拉蒂	麻省理工学院城市研究与规划系	2	3	1.0	1.0
4	刘姝	麻省理工学院城市研究与规划系感知城市实验室	1	3	1.0	1.0
5	王颖	麻省理工学院城市研究与规划系感知城市实验室	1	3	1.0	1.0