Page 32 - 《中国民族建筑》2020新春特刊
P. 32

也参差不齐，难以体现古建精品风韵。      中国民族建筑

           由于创新性的民族建筑或明显增加造价，除了政府规划打造的民族风格的地标建筑外，其他建筑的  论中国民族建筑的发展

          建设方很难有动力发展民族风格建筑。

                    保护和发展民族建筑，也就是保证“中华特色人居环

                   境和民族魂根”的历史延续。推动民族建筑的持续发展，

                   是中国建筑人的历史使命、民族使命和国家使命。实现民

                   族建筑的持续发展，可通过纳入国家文化战略、深入系统

                   挖掘价值、理论体系建立完善、构造工艺研发创新、复合

                   民建人才培养、规划松绑设计合作、现代民建产业培育七

                   个方面进行组织推动。

                   （1）纳入国家文化战略

                    未来国际竞争的胜负取决于科技的竞争、文化的竞争。

                   相较于文学、绘画、文艺作品等文化载体，民族建筑对于民

                   族文化和科技融合的体现最为充分。广受年轻人喜爱的影视

                   作品，高水平特效能够展现科技，但在民族文化特征的表现

          关于民族建筑发展的

                   力方面远逊于建筑。而且，建筑本身就能够把绘画、雕刻等

               若干建议  文化载体融为一体。因此发展民族建筑对于提高我国未来的

                   文化竞争力具有重大战略意义。

                   （2）深入系统挖掘价值，完善相关法规和技术标准

             基于机器学习的图像识别技术是                  识别的关键。新加坡学者研究表明，网                  合分析、级别规制研究等的需要，以

          智能风格分类的新颖手段，手机平台涌                  上图片的随机性太强，“噪音”问题明                  及实现同类宅门内细腻差别量化比较

                                25

                                25

          现的此类 APP 已经证明各种生物特征                显  [3] ，因此目前机器学习针对城市风貌             的目的（图 1 所示）。

          识别的可行性。其原理以植物识别为                   的应用大多利用谷歌或百度街景等清                       为了验证窄巷拍摄条件对宅门类

          例，首先软件厂商收集并筛选每种植物                  晰来源的专门数据集        [4] ，可形成风格地       型识别准确度的影响程度，基于典型

          大量的茎、叶、果实等照片，组成植物                  图、对城市风貌进行量化评价 ；针对单                 数据集和图像识别网络建立四类宅门

          种类数据集，机器学习软件自动识别集                  体建筑的分类，则大多聚焦知名的公共                  特征数学模型（后文解释）之后，选

          内每幅图像中植物的形状、色彩等特                   建筑，便于从网络筛选尽可能多的、高                  取流坑村内处于 4 米宽巷子中的“双

          征，并从不同角度、距离拍摄的多张照                  质量的大众上传图片，降低错误图片比                  寿坊”宅门作为测试对象，该宅门是

          片中“自主学习”总结同一类植物从细                  例，例如教堂穹顶的风格识别，成功率                  江西地区常见的牌坊与宅门结合所谓

                                                       [5]

          微叶脉到群落簇生的多层级特征。按照                  达到 92.27% 。                       “靠墙坊”的典型门楼样式。以 35mm

          此方法完成每种植物的特征学习之后，                      在中国传统村落立面特征识别方                 左右普通焦距镜头拍摄三张照片输入

          软件实用化，可自动比较用户新拍摄的                  面应用机器学习还存在若干现实困难，                  数学模型进行图像识别（图 2a、2b、

          植物照片特征与已有各类植物的特征，                  集中体现在狭窄街巷拍摄条件下难于                   2c）。通过这一测试可见，即使在 4

          推测该照片中的植物类别。数据集照片                  获得类似城市的完整沿街立面图像，                   米宽这样拍摄条件较好的村落主街巷

          数量越大、质量越高、茎叶果越全面，                  而且村内交通条件有限，不可能快速                   中，仍然只能获得倾斜角度稍大、立

          植物类型特征“学习”越充分，识别成                  建设覆盖全村的街景系统 ；其次民居                  面稍不完整的图像，对应得到的双寿

                                    [2]

          功率也就越高，成功率可达 95% 。                 专业研究的特殊需求也是原因，提供                   坊宅门类型结论并不稳定。如图 2a’、

             建筑和生物相比，是更难自动分                  图像之外还需要获取尺度比例等额外                   2b’、2c’三张饼图所示，三张照片

          类的对象，数据集的图像数量与质量是                  信息才能满足宅门分类与类型风格融                   显示的类型百分率各不相同，虽门楼

                                                                                式还是占主要比例，但如此显著的数

                                                                                据波动显然作为行业应用是不可靠的，

                 主因   细分原因           导致具体问题                  与城市应用比较            肯定无法达到国外参考文献 5 中所述

                                                                                92.27% 的成功率。而且中国传统建筑

                      村巷狭窄     难于快速建设街景数据集且网络图          城市街道宽阔图像变形小，且花窗、

                      曲折       片大多形态不完整、质量不高            穹顶、罗马柱等构件周围干扰少          中普遍存在类型风格融合现象，各类

                 场地条 光照材质      转折凹进特征受有檐 / 无檐、有光        城市建筑体量大、单一檐廊等构          宅门之间都有因借，例如门罩式与门

                 件受限 影响        / 无光影响而质量不稳定             件阴影的干扰程度有限

           传村宅数集设题  统落门据建问                                                      楼式都具有挑檐结构。这些倾斜或局

                      图底难区     图 / 底难区分无法区分宅门立面和背       现代建筑较少出现多处镂空等现象

                      分        景建筑，宅门有镂空部分难于发现                                  部的照片对宅门特征表达不全面，和

                                                                                欧洲的柱式等具有明确特征分化的目

                      图像无比     同类宅门的大小体量、用材规制均          都市现代建筑无法式或用材规制

                      例尺       无法比较                                             标相比，必然更容易出现分类结果不

                      无深度数     无法准确衡量宅门进深特征             都市现代建筑尺度大、造型简洁          稳定的情况。

                未达专   据

                业要求                                                                 在数据应用方面，中国传统村落、

                      准确率瓶     民居普遍风格融合，其比例量化非常         自由的都市现代建筑在类型融合

                      颈        重要但现有机器学习准确率不够高          比例研究方面没有刚需

                                                                                民居研究不仅需要类型结论（仅关注

                      GPS坐标    窄巷遮挡信号不佳，导致定位不准，         街道宽阔更容易 GPS 接收机搜星 ,

                      不准       难于在风格地图中对齐宅门位置           不存在该问题                  最高比例项），更需要参考饼图中呈现

          图1  传统村落应用机器学习的现实困难与专业需求





         26 ／ www.naioc.org.cn
   27   28   29   30   31   32   33   34   35   36   37