【目的】研究深度学习与全景图像技术在植物景观指标量化中的应用特征,为评价指标的量化提供理论依据。【方法】基于中国知网(CNKI)和Web of Science数据库对植物景观评价进行检索,统计传统植物景观高频评价指标的应用特征,根据是否适...【目的】研究深度学习与全景图像技术在植物景观指标量化中的应用特征,为评价指标的量化提供理论依据。【方法】基于中国知网(CNKI)和Web of Science数据库对植物景观评价进行检索,统计传统植物景观高频评价指标的应用特征,根据是否适于应用深度学习与全景图像技术指标量化进行划分,并分析该技术在其中的应用形式、促进作用及难以操作的原因。【结果】深度学习与全景图像技术在植物景观指标量化中,具有数据收集完整性和数据处理科学性的优化作用;同时该技术简化了繁复的人工操作流程、降低了技术成本、提升了工作效率,在植物景观指标量化中适用性较广。【结论】在适用范围上,深度学习适用性广泛;在适用条件上,大多受制于图像传递信息的局限性,需要传统调研方式进行补足;在未来发展上,深度学习与全景图像技术在植物景观指标量化中依旧存在很多可操作的评价指标有待实践。展开更多
文摘【目的】研究深度学习与全景图像技术在植物景观指标量化中的应用特征,为评价指标的量化提供理论依据。【方法】基于中国知网(CNKI)和Web of Science数据库对植物景观评价进行检索,统计传统植物景观高频评价指标的应用特征,根据是否适于应用深度学习与全景图像技术指标量化进行划分,并分析该技术在其中的应用形式、促进作用及难以操作的原因。【结果】深度学习与全景图像技术在植物景观指标量化中,具有数据收集完整性和数据处理科学性的优化作用;同时该技术简化了繁复的人工操作流程、降低了技术成本、提升了工作效率,在植物景观指标量化中适用性较广。【结论】在适用范围上,深度学习适用性广泛;在适用条件上,大多受制于图像传递信息的局限性,需要传统调研方式进行补足;在未来发展上,深度学习与全景图像技术在植物景观指标量化中依旧存在很多可操作的评价指标有待实践。