本刊“学术动态(Planning Reviews)”栏目,推介国内外学术书籍和文献报告、关注国际研究动态和前沿热点、分享规划案例研究。本期“智能城镇化”专栏,向大家推介三则智能城市相关的最新资讯和研究文献。
(专栏编辑:孔翎聿)
利用街景图像实现建筑单体功能分类
来源:KANG J, K?RNER M, WANG Y,et al. Building instance classification using street view images[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018.
https://doi.org/10.1016/j.isprsjprs.2018.02.006
本研究由德国慕尼黑工业大学学者领衔,多家德国遥感科学研究机构参与,即将发表于ISPRS 摄影测量与遥感杂志(ISPRS Journal ofPhotogrammetry and Remote Sensing)。在过去几十年中,卫星遥感图像已经广泛应用于城市土地利用分类的相关研究,但对于建筑单体精度的功能分析却甚是缺乏。该研究提出一个创新的研究框架,利用卷积神经网络(CNNs) 和街景图像,根据建筑外墙划分详细的建筑功能,而卫星图像则辅助用于区分建筑屋顶。研究过程中还建立了一个基准数据集用于训练神经网络及今后的研究。训练结果最终被应用在美国和加拿大的若干城市,用于生成建筑功能分类地图,证实该方法无论在整体城市层面还是城市中某个区域层面均有良好的准确率。
研究的具体流程主要分为以下几个步骤:首先从GIS 地图中获取研究地区的建筑边界,然后标记大量不同建筑功能的街景图片用于训练,在去除异常值之后利用不同的卷积神经网络进行分类,最终将训练结果用于生成建筑功能划分地图。GIS 地图的获取来自于OpenStreetMap,并将该研究中的建筑功能确定为多层公寓住宅、独栋住宅、停车设施、教堂、办公、零售、工业以及屋顶8 类,GIS地图信息同时也作为对照的正确功能分类。研究选取了若干现有的卷积神经网络架构,包括AlexNet,VGG16,ResNet18 以及ResNet34,对其参数进行微调, 通过综合比较它们的精确率(precision)、召回率(Recall) 以及F1 值(F1 score) 选取最优的神经网络用于最终的建筑功能地图生成。由于VGG16 在三项参数中均表现出色,因而被选中作为最终的训练神经网络。训练和测试的街景图像来自于美国和加拿大的一些城市,且用于训练和测试的图像分别来自于不同的城市,共有17 600张街景图像用于训练集,每一建筑分类2 200张,在训练集中又有3 200 张图像作为验证使用,以及2 058 张图像用于测试最终训练结果。
文章展示了两组共五个城市的应用结果。在小范围的城市某一地区中,温哥华(Vancouver) 和美国沃思堡(Fort Worth) 作为研究对象,这些地区的主要功能在建筑测试分类中得到了很好的展现,特别是住宅建筑和办公建筑类别的准确率很高。在城市整体范围的测试中,加拿大卡尔加里市(Calgary)、波士顿(Boston) 和多伦多(Toronto)作为研究对象,分别测试了6 124、64 389 和45 978 张街景地图,其总体准确率分别达到70%,55%以及75%。这些在城市层面的建筑功能分类地图能够较为完好的展示出城市的功能结构,例如城市中心区,主要住宅区以及工业区等等。
在具体的功能划分中,教堂是准确率最高的功能类型,由于其较为特殊的建筑结构和样式,而零售和工业类是比较难以区分的建筑功能类型,分析原因除了两种建筑类型有相似之处以外,还有可能是因为GIS 地图功能分类和街景地图的标记存在偏差造成的。此外,许多街景图片包含多种不同建筑类型,也给分类造成困难,例如独栋住宅和其相邻的车库。
本文的研究成果可以帮助获得比单独使用卫星图片更准确和信息更丰富的土地使用分布地图,在未来的研究中,作者还将加入社交媒体中的信息和提取图片文字信息,以及改善分类方法来提升分类的准确性。
(供稿:姚放)
欢迎在朋友圈转发,转载请联系@vip.126.com
识别二维码 订阅本刊2018年电子阅读版
URBAN PLANNING FORUM Since 1957创新性、前瞻性、学术性中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊(CSSCI)、中国期刊全文数据库(CJFD)全文收录期刊,中国学术期刊综合评价数据库(CAJCED)统计源期刊,中国科学引文数据来源期刊,RCCSE中国核心学术期刊官方网站:http://www..org投稿链接:http://cxgh.cbpt.cnki.netEmail: @vip.126.com电话:021-65983507传真:021-65975019微信号:
URBAN PLANNING FORUM Since 1957
创新性、前瞻性、学术性
中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊(CSSCI)、中国期刊全文数据库(CJFD)全文收录期刊,中国学术期刊综合评价数据库(CAJCED)统计源期刊,中国科学引文数据来源期刊,RCCSE中国核心学术期刊
官方网站:http://www..org
投稿链接:http://cxgh.cbpt.cnki.net
Email: @vip.126.com
电话:021-65983507
传真:021-65975019
微信号: