基于深度学习的传统建筑风格特征识别与解读

完整中文导读

研究提出一个使用多源数据的分层级框架，用于识别和解读传统建筑风格特征。框架先用数字高程模型和遥感影像分析地形、水系与植被等自然环境，再用双分支网络模型和 Grad-CAM 方法结合遥感影像与在线建筑景观图像分析建筑特征，最后用语义分割模型和 T-SNE 方法提取建筑景观。

论文资料与摘要整理

整理依据：原始摘要与元数据；未据此展示论文全文

Identifying and interpreting traditional architectural style characteristics based on deep learning

作者：Changyao Chen；Shaodan Li；Qi Yao；Yincui Hu；Ziyue Fan
刊物：npj Heritage Science
出版时间：2026-07-10
DOI：10.1038/s40494-026-02811-1

研究方法

基于数字高程模型与遥感影像分析自然环境，采用双分支网络模型与 Grad-CAM 分析建筑特征，采用语义分割模型与 T-SNE 提取建筑景观

研究对象

传统建筑风格特征及其自然环境、建筑特征与建筑景观的多层级耦合关系

主要发现

在传统建筑数据集上，双分支模型召回率、精确率和 F1 分数平均值分别为 89.73%、90.37% 和 89.60%，框架系统揭示自然环境、建筑特征与建筑景观之间的内在耦合关系

材料局限

基于摘要，材料未提供全文细节与具体局限说明