Les images de rue constituent une nouvelle forme de données géographiques massives pour percevoir l’environnement matériel urbain. La détection des changements de façade à partir des images de rue et la reconnaissance des catégories sémantiques des changements sont des moyens importants pour percevoir la rénovation urbaine. Les méthodes traditionnelles de détection de changement ne peuvent pas distinguer directement l’appartenance temporelle des objets de changement dans les images de rue (partition temporelle), rendant difficile la reconnaissance efficace des catégories sémantiques des zones de changement entre deux périodes. Cet article propose le modèle Cross-C2PO (Cross-Combine 2 POssible change types) qui unifie les tâches de détection des changements et de partition temporelle, facilitant l’introduction des modèles actuels de segmentation sémantique d’images pour la détection des changements sémantiques dans les images de rue. Sur cette base, une méthode d’analyse perceptuelle des indicateurs dynamiques de rénovation urbaine est construite, visant la surveillance des changements de 2013 à 2019 dans le centre-ville de Guangzhou, réalisant une perception complète des changements dans les quatre angles de vue avant, arrière, gauche et droite pour cartographier la dynamique de la rénovation urbaine, montrant visuellement la répartition des rénovations urbaines et l’intensité des changements de l’environnement physique, fournissant une méthode innovante et une étude de cas pour l’application intelligente combinant images de rue et vision par ordinateur.

rénovation urbaine;images de rue;détection de changement sémantique;détection de changement de scène;faible supervision;dynamique