Page 39 - 《中国民族建筑》2020新春特刊
P. 39

GPS 卫星信号多被两侧建筑遮挡，坐                 型的混合程度、比例，反映相近宅门                   能挖掘更多有价值的量化比较结论，

          标偏差可达数十米而偏离对应的宅门、                  的细微差别 ；                            创造出多方共赢的局面。而对传统村

          导致风格地图混淆。这是城市中较少                      （6）低空飞行无人机提供的定位                 落民居风格类型及其相互关联、演化

          发生但传统村落难以回避的新问题，                   坐标数据更可靠，快速生成准确风格                   的量化梳理与凝练，也必将成为传统

          若使用无人机在巷子上方低空拍摄立                   地图。                                村落保护规划设计的强有力支撑，是

          面而非使用智能手机，则建筑的信号                       无人机、摄影测量、图像识别、                 传统文化保护与传承的必由之路。

          遮挡问题旋即缓解，一般来说定位误                   机器学习等技术环节引入的确增加了

          差稳定在 1~2 米，能够保证与所拍宅                操作的复杂度，但在当前自动化、智

                                                                                参考文献

          门严格对应，因此为了保证整个工作                   能化水平迅速提高的背景下，实际运

          链条的连贯、处理自动化程度，建议                   用并不困难，尤其是在传统村落数字

                                                                                [1]  黄浩 ：《江西民居》[M]，北京 ：中国

          尽可能使用无人机拍摄平台。                      博物馆等各级专门数据库建设的基础                   建筑工业出版社，2008，第 117 页。

             上述从拍摄到风格地图绘制的作                  上、在面对全国各地域数百万传统民                   [2] 郑一力、张露 ：《基于迁移学习的卷积

          业链路如能够广泛实施，则海量村落                   居宅院及其丰富装饰时，就体现出新                   神经网络植物叶片图像识别方法》[J]，《农

          调研照片的风格类型快速智能检索、                   技术手段的采集效率优势、数据挖掘                   业机械学报》，2018 年第 49 卷增刊，第

                                                                                354-359 页。

          位置直观可视化等需求得以实现。实                   潜力以及对后续科研和其他行业利用

                                                                                [3]  Chua  T  S,  Tang  J,  Hong  R,  et  al.

          际上本技术方案是融汇了已有的 GIS、                的强有力支撑作用。

                                                                                NUS-WIDE:  A  real-world  web  image

          RS、AI 等技术中的基本功能和成熟产                    本文仅以流坑村四种宅门类型作

                                                                                da ta ba s e   f ro m   N a ti o n a l   Un i v e rs i ty

          品，多手段协同解决实际难题，保证                   为实验对象。基于相同的方法，在地                   of  Singapore[C].  ACM  International

          宅门风格识别应用的可行性。                      理层面还可扩大应用于全国各地传统                   C o n f ere n ce   o n   Ima ge   a n d   Video

                                             民居入口装饰风格分析 ；利用相近的                  Retrieval, 2009,1-9.

          四、结语                               策略，在对象尺度上亦可双向拓展到                   [4]  Liu  L,  Silva  E  A,  Wu  C,  et  al.  A

                                                                                machine  learning-based  method  for  the

                                             从细部构件到院落格局等多个层级，

                                                                                large-scale evaluation of the qualities of

             本文提出的图像采集与风格分类                  例如图像识别技术可迅速将村落高空

                                                                                the  urban  environment[J].  Computers

          方法，较好的解决了图 1 中列出的各                 航摄整体图像中的每个院落识别、提

                                                                                Environment  &  Urban  Systems,  2017,

          项难题，有益之处如下 ：                       取，并跨村落、跨地域比较大量院落                   113-125.

             （1）解决村落狭窄街巷完整立面                 的尺度、比例、套院格局等；除此之外，                 [5]  Shalunts  G,  Haxhimusa  Y,  Sablatnig

          拍摄难题 ；                             还可预计智能识别技术将从当前的二                   R.  Architectural  Style  Classification  of

             （2）利用正射影像获得立面尺度，                维图像特征识别升级为更复杂的空间                   Domes[C].Springer  Berlin  Heidelberg.

                                                                                Berlin, Heidelberg, 2012, 420-429.

          风格识别之外，还可实现宅门尺度比较；                 三维特征自动计算、识别与统计，应

                                                                                [6 ]   S z egedy,   C.,   S .   I o f f e   a n d   V.

             （3）深度数据准确获取，消除光照、               用前景可观。

                                                                                Vanhoucke,  Inception-v4,  Inception-

          纹理影响，能准确反映宅门的空间特征；                     在这样的技术蓬勃发展与广泛乡

                                                                                ResNet  and  the  Impact  of  Residual

             （4）彻底去除与宅门无关的前后                 建需求的环境中，全国各地研究单位

                                                                                Connections on Learning[M]. 2016.

          景物，可充分表现镂空等构造特征 ；                  应联合协作，构建共享的资料平台，                   [7]  顾 思 宇、 郑 泽 宇 ：《TensorFlow ：实

             （5）综合以上优点显著提高数据                 此方式不仅能够短时间内快速有效地                   战 Google 深 度 学 习 框 架 》[M]， 北 京 ：

          集的质量，可更准确量化宅门风格类                   提高总数据量和地域覆盖完整度，还                   中国工信出版集团，2017，第 160 页。





                                                                                            www.naioc.org.cn ／  33
   34   35   36   37   38   39   40   41   42   43   44