深度学习建筑师：通过人工智能之眼进行建筑设计的分类
计算机视觉与模式识别
2018-12-06 v1 人工智能
摘要
本文应用深度学习与计算机视觉中的 SOTA 技术，来衡量不同建筑师之间建筑设计在视觉上的相似性。利用一个由网络爬取图像和原创建筑作品图像集构成的数据集，我们首先训练了一个深度卷积神经网络（DCNN）模型，能够在分类属于 34 位不同建筑师的作品时达到 73% 的准确率。通过检查训练好的 DCNN 模型中的权重，我们得以定量衡量模型隐式学习到的建筑师之间的视觉相似性。利用该度量，我们将被识别为相似建筑师进行聚类，并将我们的发现与建筑史学家和理论家所做的传统分类进行比较。我们对建筑设计的聚类显著印证了建筑史中的传统观点，且学习到的建筑特征亦与传统建筑设计理解相一致。
引用
@article{arxiv.1812.01714,
title = {Deep Learning Architect: Classification for Architectural Design through the Eye of Artificial Intelligence},
author = {Yuji Yoshimura and Bill Cai and Zhoutong Wang and Carlo Ratti},
journal= {arXiv preprint arXiv:1812.01714},
year = {2018}
}
备注
22 pages, 5 figures, 4 tables