Measuring human perceptions of a large-scale urban region using machine learning

اندازه گیری حس بشری انسان و اندازه گیری ارتباطات بین ویژگی های بصری محیط زیست که بر احساس حس انسان تاثیر می گذارد، از لحاظ زیست محیطی بسیار متنوع بوده است. مطالعات قبلی بر روی نظرسنجی کم توان و منابع داده محدود است که در اندازه گیری ادراک انسان از یک منطقه شهری بزرگ در قطعنامه های فضایی انعطاف پذیر است. در این کار، یک روش یادگیری ماشین با استفاده از داده ها برای اندازه گیری نحوه ادراک مردم در یک منطقه شهری بزرگ در نظر گرفته شده است. به طور خاص، یک مدل یادگیری عمیق که به میلیون ها نفر از عکس های سطح خیابان های انسانی آموزش دیده است، برای پیش بینی ادراکات انسانی از یک تصویر نمای خیابان مورد استفاده قرار گرفت. این مدل دقت بالایی در پیش بینی شش شاخص ادراکی انسانی یعنی امنیت، پر جنب و جوش، زیبا، ثروتمند، افسرده و خسته کننده به دست آورد. این مدل می تواند به توزیع ادراک انسانی شهر برای یک منطقه شهری جدید کمک کند. علاوه بر این، یک سری از تجزیه و تحلیل های آماری برای تعیین عناصر بصری که ممکن است موجب شود مکان به عنوان ادراکات مختلف درک شود. از 150 دسته شیء که از تصاویر نمای خیابان جدا شده بودند، اشیاء مختلف به عنوان مثبت یا منفی مرتبط با هر کدام از 6 شاخص ادراکی شناخته شدند. نتایج تحقیقات محققان و برنامه ریزان شهری یک گام برای درک تعاملات احساسات و معانی محلی است.