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

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Advances in Informal Green Space Digital Recognition Technology Based on Deep Learning in the Context of Urban Renewal

作者：

刘子晴、王薪宇、杨锋、李方正

展开 >

作者单位：

北京林业大学园林学院北京100083

北京林业大学信息学院北京100083

关键词：

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

基金：

国家自然科学基金北京高校高精尖学科建设项目

项目编号：

52278046

出版年：

2023

DOI：

10.19775/j.cla.2023.06.0033

中国园林

中国风景园林学会

中国园林

CSTPCDCSCD北大核心

影响因子：1.108

ISSN：1000-6664

年,卷(期)：2023.39(6)

被引量1
参考文献量29