Straßenbilder sind eine neue Art geografischer Big Data zur Wahrnehmung der materiellen städtischen Umwelt. Die Entdeckung von Fassadenänderungen und die Erkennung semantischer Änderungskategorien anhand von Straßenbildern sind wichtige Mittel zur Wahrnehmung von Stadtentwicklung. Traditionelle Methoden der Änderungsdetektion können die zeitliche Zuordnung von Änderungsobjekten in Straßenbildern (zeitliche Aufteilung) nicht direkt unterscheiden, was die effiziente Erkennung semantischer Kategorien der Änderungsbereiche in zwei Zeitpunkten erschwert. Dieser Artikel schlägt das Modell Cross-C2PO (Cross-Combine 2 POssible change types) vor, das die Aufgaben der Änderungsdetektion und zeitlichen Aufteilung vereinheitlicht und die Einführung bestehender Modelle der semantischen Bildsegmentierung zur Erkennung semantischer Straßenbildänderungen unterstützt. Darauf aufbauend wurde eine Methode zur Wahrnehmungsanalyse dynamischer Indikatoren der Stadtentwicklung entwickelt, mit dem Ziel der Überwachung von Aktualisierungen 2013-2019 im zentralen Stadtgebiet von Guangzhou. Diese ermöglicht eine umfassende 360-Grad-Wahrnehmung von Veränderungen aus vier Blickwinkeln — vorne, hinten, rechts und links —, zeigt anschaulich die Verteilung der Stadtentwicklung und die Intensität der Veränderungen der physischen Umwelt und bietet eine innovative Methode sowie Fallstudien für die intelligente Kombination von Straßenbildern und Computer Vision.

Stadtentwicklung;Straßenbilder;semantische Änderungsdetektion;Szenenänderungserkennung;Schwachüberwachung;Dynamik