[发明专利]一种基于跨连CNN+SVR的街道空间品质量化方法

权利要求书

1.一种基于跨连CNN+SVR的街道空间品质量化方法，其特征在于：

1).获取街景图片，并制作街道空间品质数据集；

2).采用融合浅层信息与深层信息特征的思路改进卷积神经网络CNN，并结合支持向量回归SVR模型，提出了跨连CNN+SVR网络模型；

3).采用跨连CNN+SVR网络模型，得到街道空间品质的量化指数；

该方法主要包括以下步骤：

(1)获取街景图片，并对街景图片进行处理，将处理好的街景图片按9:1:1的比例分为训练集、测试集和验证集，制作街道空间品质数据集，并通过人工评分的方式进行数据标签的制作；

(2)对AlexNet网络进行更改，将浅层卷积层特征与深层卷积层特征输出进行融合，其中将第1个卷积层Conv1和Conv2的输出融合作为Conv3的输入，Conv2和Conv3的输出融合作为Conv4的输入，Conv1和Conv4的输出融合作为Conv5层的输入，即为改进的跨连CNN，并将最后一个全连接层输出的CNN特征作为SVR回归模型的输入特征，即为跨连CNN+SVR网络；

(3)将步骤(1)中制作的数据集，对跨连CNN+SVR网络进行训练，保存网络参数模型，以用于预测；

(4)将步骤(3)中训练得到的模型对街道空间品质进行量化。

2.如权利要求1所述的基于跨连CNN+SVR的街道空间品质量化方法,其特征在于在步骤(1)中街景图片数据标签的制作包括交通性、舒适性和整洁性，且每个类别有0分、1分和2分三个评分标准，通过多人评分取平均值降低主观评价的误差，并将最终的空间品质评分映射为0-1的浮点数。