深度学习在城市感知的应用可能——基于卷积神经网络的图像判别分析

论文摘要

作为人工智能领域的研究重点,机器学习近年衍生出了各式各样的智能化应用,例如图像判别、语音助手和智能翻译等。尤其是图像判别技术已在各行业进行了大量的研究和实践,城市领域也不例外,这很大程度上是因为深度学习的卷积神经网络在计算机视觉领域取得了令人瞩目的成果。这也使得训练计算机判别建筑风格、城市肌理等城市特征的准确率大幅提升。本研究立足于深度学习图像判别技术,探索卷积神经网络在城市感知方面的应用。鉴于直接利用现成开源的带标签图像数据集训练个性化图像判别模型可能带来局限性和误差,本研究探索了从收集数据到自定义训练数据集,到搭建满足特定需求的图像判别模型的整体流程,并通过三个实验案例:城市风貌分析、城市问题侦测和城市肌理评估,阐明深度学习在城市感知和城市规划中的应用可能性及潜力。

论文目录

• 引言
• 1 深度学习神经网络
•   1.1 深度学习网络的特点和优势
•   1.2 卷积神经网络原理
• 2 训练CNN图像判别模型的数据集类型
•   2.1 现成带标签图像数据集
•   2.2 自定义训练图像数据集
• 3 自定义图像判别模型建立方法
• 4 自定义图像判别模型在城市领域的前沿探索
•   4.1 城市风貌分析
•     4.1.1 模型设置
•     4.1.2 模型训练和测试结果
•     4.1.3 模型改进和应用可能
•   4.2 城市问题侦测
•     4.2.1 模型设置
•     4.2.2 模型训练和测试结果
•     4.2.3 模型改进和应用可能
•   4.3 城市肌理评估
•     4.3.1 模型设置
•     4.3.2 模型训练和测试结果
•     4.3.3 模型改进和应用可能
•   4.4 案例总结
• 5 总结

文章来源

类型: 期刊论文

作者: 何宛余,李春,聂广洋,杨良崧,王楚裕

关键词: 人工智能,深度学习,卷积神经网络,图像判别,城市感知

来源: 国际城市规划 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 建筑科学与工程,自动化技术

单位: 小库科技

分类号: TU984.13;TP18

页码: 8-17

总页数: 10

文件大小: 3209K

下载量: 1053