
《通过深度学习了解建筑年代项目》常见问题
- Published on
目录:
关于阿姆斯特丹建筑数据:
您记录中提供的阿姆斯特丹建筑数据字段仅包含:标识(identificatie)、建造年份(bouwjaar)、状态(status)、使用目的(gebruiksdoel)、最小/最大面积(oppervlakte_min/max)、住宅对象数量(aantal_verblijfsobjecten)以及几何信息。值得注意的是,根据现有信息,这些数据并未包含关于建筑层高、具体精确面积或颜色的属性。
关于谷歌街景(GSV)与BAG建筑数据的关联:
在“Part3-1”阶段获取的谷歌街景(GSV)图像,与BAG建筑数据存在明确的关联。这种关联主要体现在文件名上,文件名中包含了BAG的标识符(如identificatie)和日期(date)等信息,从而实现图像与对应BAG建筑记录的匹配。但请留意,BAG建筑足迹与剑桥大学建筑风格图集之间并未建立关联。
# 文件关联代码
id = df.loc[index, 'identificatie'] # polygon_id
building_age = df.loc[index, 'bouwjaar'] # building_age
date = df.loc[index, 'date'] # date
# 截图
driver.save_screenshot(
origin_path := f"../data/GSV/origin/subset_{subset_name}--{index}--{id}--{date}.png") # := 在表达式中同时进行变量赋值和返回赋值的结果。
如果你觉得本系列文章有用,欢迎关注博客,点赞 👍 和收藏,也欢迎在评论区讨论,也欢迎访问我的爱发电支持我,或者对此文章进行赞赏。
写在最后
论文引用:
Maoran Sun, Fan Zhang, Fabio Duarte, Carlo Ratti,
Understanding architecture age and style through deep learning,
Cities,
Volume 128,
2022,
103787,
ISSN 0264-2751,
https://doi.org/10.1016/j.cities.2022.103787
(https://www.sciencedirect.com/science/article/pii/S0264275122002268)