PROJECT OVERVIEW
项目简介
问题定义与需求分析
面向城市更新与历史街区精细化管理中风格普查依赖人工、效率低问题，训练建筑风格分类模型，基于街景大数据开展风格研判，为城市更新决策与历史街区保护与提供数据支持。
数据获取
定义训练数据类型，使用 Python 爬取 36,789 张建筑图像，人工标注形成 11 类、4,584 张风格数据集；调用百度地图 API 获取街景，并通过 DeepLabV3 筛选 10,313 张有效建筑街景用于分析。
模型训练
基于迁移学习训练 ConvNeXt 模型，通过数据增强、Adam 优化器与 StepLR 调度完成训练，以 Accuracy、F1-score 等指标评估模型表现，并通过贝叶斯优化进行超参数搜索与性能提升。
达到效果
实现 84% 的建筑风格分类 Accuracy，将模型应用于 12 个上海历史风貌区建筑风格大规模识别，为风貌评审与保护更新提供量化依据。
ROLE & PERIOD
算法开发｜同济大学
2024.12 — 2025.03
AI & PRODUCT CAPABILITIES
计算机视觉数据集构建模型评估产品研判
MORE WORK