摘要：作為人工智能領(lǐng)域的研究重點(diǎn),機(jī)器學(xué)衍生出了各式各樣的智能化應(yīng)用,例如圖像判別、語音助手和智能翻譯等。尤其是圖像判別技術(shù)已在各行業(yè)進(jìn)行了大量的研究和實(shí)踐,城市領(lǐng)域也不例外,這很大程度上是因?yàn)樯疃葘W(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域取得了令人矚目的成果。這也使得訓(xùn)練計(jì)算機(jī)判別建筑風(fēng)格、城市肌理等城市特征的準(zhǔn)確率大幅提升。本研究立足于深度學(xué)習(xí)圖像判別技術(shù),探索卷積神經(jīng)網(wǎng)絡(luò)在城市感知方面的應(yīng)用。鑒于直接利用現(xiàn)成開源的帶標(biāo)簽圖像數(shù)據(jù)集訓(xùn)練個(gè)性化圖像判別模型可能帶來局限性和誤差,本研究探索了從收集數(shù)據(jù)到自定義訓(xùn)練數(shù)據(jù)集,到搭建滿足特定需求的圖像判別模型的整體流程,并通過三個(gè)實(shí)驗(yàn)案例:城市風(fēng)貌分析、城市問題偵測和城市肌理評估,闡明深度學(xué)習(xí)在城市感知和城市規(guī)劃中的應(yīng)用可能性及潛力。