URBAN-i：利用深度学习与计算机视觉从城市场景中映射贫民窟、交通方式与行人

随着深度学习与计算机视觉在不同科学领域的蓬勃扩展，就城市发展而言，深度学习与计算机视觉应用仍主要局限于智慧城市与自动驾驶车辆等概念。事实上，当涉及欠发达国家中城市与 urban 区域时，由于非正规性的混乱占据主导格局，知识上存在巨大缺口。深度学习与人工智能（AI）如何厘清非正规性的复杂性，以推进城市建模及我们对城市的理解？关于南北半球城市在 AI 与计算机视觉范式下的未来，可引发诸多疑问与争论。本文引入一种基于深度学习与计算机视觉（使用深度卷积神经网络（CNN））的多用途真实动态城市建模新方法，以从航拍与街景图像中感知并检测城市场景中的非正规性与贫民窟，此外还包括行人与交通方式的检测。该模型已在全球各地城市场景图像上训练。模型在理解规划与非规划区域（含非正规与贫民窟地区）间广泛细微差别方面表现出良好的验证效果。我们试图推进城市建模，以更好理解城市发展的动态。我们也旨在例证 AI 在城市中的显著影响，超越主流对智慧城市的讨论与认知。URBAN-i 模型的算法完全以 Python 编程实现，其预训练深度学习模型可用作全球各地（包括非正规定居点与贫民窟区域）制图与城市建模的工具。