《表1 传统方法与自动化方法对比》
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)。
图表编号 | XD00189666000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 刘晓天、孙冰、廖超、金佳莉、施招婉、范黎明、唐艺家、何继红、何卫忠、杨龙、孙倩、裴男才 |
绘制单位 | 中国林业科学研究院热带林业研究所、南京林业大学风景园林学院、中国林业科学研究院热带林业研究所、中国林业科学研究院热带林业研究所、中国林业科学研究院林业研究所、中国林业科学研究院热带林业研究所、中国林业科学研究院热带林业研究所、中国林业科学研究院热带林业研究所、南京林业大学风景园林学院、中国林业科学研究院热带林业研究所、南京林业大学风景园林学院、广东省九连山林场、广州地理研究所、澳大利亚墨尔本皇家理工大学科学院地理空间科学系、中国林业科学研究院热带林业研究所 |
更多格式 | 高清、无水印(增值服务) |