城市更新背景下融合深度学习的非正式绿地数字识别技术研究进展
城市更新过程中,非正式绿地在为城市提供环境、社会和生态效益方面发挥着至关重要的补充作用.然而,非正式绿地由于数量繁多、面积较小、种类多样、边界模糊等特征导致其难以高效识别.深度学习在分割图像进行识别及自主学习方面有极大的优势.因此,基于深度学习,对多源数据依托下的非正式绿地识别研究进行综述.首先,基于非正式绿地内涵归纳其识别特征与识别难点;其次,梳理识别非正式绿地常用的4种数据类型,即基于深度学习识别的高分辨遥感影像、街景图片,用于辅助识别的网络媒体数据、PPGIS平台数据;再次,对现有深度学习进行非正式绿地整体布局识别、耦合多源数据进行辅助识别的方法研究进展进行归纳总结;最后,对未来非正式绿地空间识别应用与发展提出展望与建议.
风景园林、非正式绿地、深度学习、城市更新、智能技术、遥感图像
39
TU986(地下建筑)
国家自然科学基金52278046
2023-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
33-38