Imagens de ruas são um novo tipo de big data geográfico para percepção do ambiente material da cidade. Descobrir mudanças nas fachadas por meio de imagens de ruas e identificar as categorias semânticas das mudanças é um meio importante para a percepção da renovação urbana. Métodos tradicionais de detecção de mudanças não conseguem diferenciar diretamente a atribuição temporal dos objetos em mudança nas imagens de ruas (segmentação temporal), dificultando a identificação eficiente das categorias semânticas das áreas alteradas em dois momentos. Este artigo propõe o modelo Cross-C2PO (Cross-Combine 2 POssible change types), que unifica as tarefas de detecção de mudanças e segmentação temporal, auxiliando na incorporação dos modelos existentes de segmentação semântica de imagens para realizar a detecção semântica de mudanças em imagens de ruas. Com base nisso, foi construída uma metodologia de análise perceptiva para indicadores dinâmicos de renovação urbana, com foco na monitorização das mudanças entre 2013 e 2019 na área central de Guangzhou, realizando uma percepção panorâmica abrangente das mudanças nos quatro ângulos — frente, atrás, esquerda e direita — para a cartografia da dinâmica da renovação urbana, mostrando de forma intuitiva a distribuição da renovação urbana e a intensidade das mudanças do ambiente físico, fornecendo um método inovador e estudo de caso para a aplicação inteligente da combinação entre imagens de ruas e visão computacional.

renovação urbana;imagens de ruas;detecção de mudanças semânticas;detecção de mudanças de cena;supervisão fraca;dinâmica