公开(公告)号：CN116310786A

公开(公告)日：2023-06-23

申请号：CN202211720124.8

申请日：2022-12-30

Applicant: 东南大学

Inventor： 周聪惠 ,  杨柳一 ,  吴欣雨 ,  蒋卓洋

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供基于深度学习的街旁微绿地增补潜力识别和/或实施方法，涉及城乡规划、风景园林和人工智能领域。该街旁微绿地增补潜力识别方法，以街景图像大数据为基础，基于城市规划和风景园林领域的分析理论提出微绿地增补潜力甄别标准，并通过深度学习技术量化潜力甄别体系，并整合语义分割技术具体分析潜在增补点的客观环境要素，为城市微绿地规划布局提供精准有效的增补及实施策略依据。本发明充分利用深度学习和基础机器学习语义分割技术的优势，分别在空间和要素上分别进行甄别和分析，既能得到潜在增补点的潜力大小，又能获得具有优化潜力的增补点的具体增补实施策略。

公开(公告)号：CN115909030A

公开(公告)日：2023-04-04

申请号：CN202211448726.2

申请日：2022-11-18

Applicant: 东南大学

Inventor： 周聪惠 ,  蒋卓洋 ,  杨柳一 ,  吴欣雨 ,  孙一 ,  朱旋

IPC: G06V20/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06V10/762 ,  G06F16/29 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于机器学习的小微绿地增补选址方法，属于城乡规划技术领域，通过对数据进行采集实验；通过采集的数据建立小微绿地选址潜力特征指数体系并针对建立的不同层次的潜力特征指数体系的特性，综合各层次的潜力特征结果所蕴含的不同方向上小微绿地潜在选址点的潜力甄别特征，构建小微绿地选址潜力量化甄别体系；通过常规机器学习和深度学习训练小微绿地选址潜力甄别模型；应用小微绿地选址潜力甄别模型进行小微绿地选址潜力打分，得到最终小微绿地选址潜力量化甄别结果，进行排名和选择，确定小微绿地选址点的增补选址优先级，从而选择优先增补选址点。