用深度学习量化城市街景：聚焦于美学评价
计算机视觉与模式识别
2021-06-30 v1 计算机与社会
摘要
城市街景的杂乱会负面影响人们对其美学质量的感知。建筑立面上广告牌的存在已被视为杂乱的一个重要因素，但其量化方法尚未以可扩展的方式得到发展。为填补这一空白，本文报告了我们的深度学习模型在一个于东京准备的独特数据集上的性能，该数据集分别用于识别街景中立面和广告牌所覆盖的区域。该模型达到了 63.17% 的准确率（以交并比（IoU）衡量），从而使研究者和从业者能够通过结合人们偏好数据来获得关于城市街景设计的见解。
引用
@article{arxiv.2106.15361,
title = {Quantifying urban streetscapes with deep learning: focus on aesthetic evaluation},
author = {Yusuke Kumakoshi and Shigeaki Onoda and Tetsuya Takahashi and Yuji Yoshimura},
journal= {arXiv preprint arXiv:2106.15361},
year = {2021}
}
备注
4pages, 3 figures