《表1 传统方法与自动化方法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于街景图像的城市街道绿视率计量方法比较分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在数据获取之后，基于人工智能和机器学习的自动化方法对于数据的处理分析更加准确、迅捷[26]。利用深度学习训练的卷积网络模型工具，不仅可以应用于街景静态图片和全景动态图的语义分割上，还可以通过与色彩关系的结合构建能够自动计算绿视率的算法模型[37]。传统的网格计算法对于绿视率的计算与自动化方法相比效率低且精确度小，在处理数量巨大的街景图像时，自动化算法模型具有明显的优势，通过训练得到的卷积神经网络模型将街景静态图的图片信息存储于卷积层中，从而能够自动的对有效信息进行筛选，它具有以下特点：（1）训练的数据量大，模型信息得到充分地存储，模型的准确性相对较高；（2）结构复杂，参数设置全面，经过适当的调整可应用于不同的环境，泛化能力强；（3）自动计算，人力资源耗费低；（4）数据库庞大，街景图片的分割计算结合性强，同步性高。综上所述，自动化方法在绿视率计算评估方面，具有速度快、效率高、精确度高、自动化程度高等优点[31]，符合当前发展研究需要，为今后研究更加庞大的数据问题打下了基础，对传统方法存在的多种不足进行了完善和提高（表1）。