فهم رابطه میان بینایی ماشین و کیفیت محیط شهری

مطالعات فراوانی بر اهمیت استفاده از روش ها و فناوری های نوین از جمله بینایی ماشین برای تحلیل بصری محیط های شهری در حوزه های طراحی، برنامه ریزی و ارزیابی کیفیت شهری تاکید کرده اند. با این وجود مطالعات متمرکز بر بررسی تاثیر بینایی ماشین بر کیفیت محیط شهری در منابع معتبر فارسی بسیار محدود است. این تحقیق به بررسی نقش الگوریتم های بینایی ماشین برای شناسایی ساختاری و مولفه های کیفیت محیط شهری می پردازد. در گام نخست به منظور تبیین مبانی نظری و استخراج چارچوب مفهومی، اولیه مرور نظام مند منابع علمی بین المللی در حوزه های بینایی ماشین، کیفیت محیط شهری و کاربرد بینایی ماشین در تحلیل بصری محیط های شهری انجام شد. سپس از روش تحلیل محتوای کیفی برای استنتاج و ترکیب داده ها استفاده شد. به منظور درک سازوکارهای فنی استخراج ویژگی های محیط شهری فرایندهای رایج در تحلیل تصاویر خیابانی شامل گردآوری داده های تصویری دارای برچسب مکانی، پیش پردازش، تقسیم بندی معنایی و استخراج ویژگی های کالبدی بصری نظیر پوشش گیاهی، مصالح، عناصر خیابانی و تراکم (ترافیک) به صورت تحلیلی توصیفی بررسی و مقایسه گردید. در نهایت بر اساس تجزیه و تحلیل یافته های نظری و فنی، الگوی مفهومی رابطه میان داده های استخراج شده توسط بینایی ماشین و ادراک انسانی از کیفیت محیط شهری تدوین و ارائه شد تا راه کاری برای انتقال دانش روز به جامعه علمی فارسی زبان فراهم گردد. یافته ها نشان داد بینایی ماشین و یادگیری عمیق با استخراج عینی شاخص های کالبدی بصری از تصاویر خیابانی، سنجش کمی کیفیت محیط شهری را تسهیل کرده و از تصمیم سازی، طراحی و برنامه ریزی شهری پشتیبانی می کنند. با این حال تفسیر کامل کیفیت محیط مستلزم تلفیق داده های ماشینی با ادراک انسانی است.

کلیدواژه ها:

بینایی ماشین ، کیفیت محیط شهری ، تحلیل بصری ، شهری ، طراحی شهری ، داده محور ، تصاویر نمای خیابان