Abstract：
针对研究样本量大且资料图档不足给新加坡店屋类型研究带来的困难，融合通用大模型和图像深度学习算法，提出一套基于卫星图像检出和识别建筑类型的方法。利用SAM通用大模型，实现城市卫星影像要素语义信息的快速提取；运用Mask R-CNN框架，完成建筑类型的高精度分割与识别。以新加坡华人街店屋为对象，对经过改进的Mask R-CNN建筑类型识别框架进行验证，结果表明该方法在店屋建筑类型识别上的准确性为90.9%，具有高鲁棒性和召回率。研究为自动、高效检出和识别民居建筑类型提供了技术示例与支撑，并讨论了该方法在同类研究中的应用前景和当前局限。
Keyword：
Reprint 's Address：
Email：
Source ：
新建筑
Year： 2025
Issue： 02
Volume： PageCount-页数: 6
Page： 93-98
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
