一种用于城市视觉环境大规模评估的机器学习方法

在城市化时代，鉴于现代城市的规模，大多数人难以具备足够的感知能力去了解城市每个街角的美与丑。相应地，对于规划者而言，也难以准确回答诸如“城市中哪些外观最差的地方应优先考虑更新改造”，或“在快速城市化城市中，城市面貌如何变化”等问题。为解决此问题，我们在此提出一种计算机视觉方法，通过利用最先进的机器学习技术与广覆盖的街景图像，对城市视觉环境进行大规模自动评估。在起作用的诸多因素中，我们选择两个关键特征——街道立面的视觉质量与街道墙的连续性——作为此类分析的起点。为检验该方法的有效性，我们进一步将机器学习评分与在现场从56个地点收集的752名路人的评分进行比较。我们表明，机器学习模型能够很好地估计人们的真实视觉体验，并且在城市设计评估、文化识别等任务方面具有很大潜力。