基于“人机对抗生成照片-感知数据集”（可参考文章），我们采用武汉地区的街景打分数据训练了六种感知（美观、无聊、压抑、活力、安全和富裕）的深度网络模型，免费提供给各位老师和同学们用于科学研究。
感谢中国地质大学（武汉）地理与信息工程学院2017级软件工程系的王宇同学分享。

相关参考文献和下载地址请见本文末尾。

DCNN网络结构介绍

在本神经网络模型中，我们定义了一个三层双卷积神经网络，输出维度分别是64、64、128、128、和256、256。在最后的输出层定义了一个全连接神经网络，输出维度是1。在定义卷积神经网络过程中，按照一个卷积神经网络的标准结构进行定义，使用最大池化（maxpooling）策略进行降维特征提取，使用Dropout防止过拟合，使用BatchNormalization对隐藏层的输出进行归一化。

以下是一个双卷积神经网络的详细定义过程。

在搭建网络之前，使用tf.keras.Sequential实例化一个model，然后逐层进行网络结构的搭建。

首先，使用双层卷积结构的方式提取图像特征。在第一个卷积网络结构中，输入数据维度是[300,480,3]，输出数据维度是64，使用3*3的卷积核，全局使用he_normal进行kernel_initializer，卷积核在X、Y两个方向的移动步幅为1，图像边界处理策略为same，使用relu激活函数。第二个卷积网络去掉input_shape，将上一层网络的输出作为本层的输入，其余参数不变。

第三层添加一个BatchNormalization对上一层的输出数据进行归一化。

第四层添加一个二维池化层，使用最大值池化策略，池化维度为22，即将22局域的像素使用一个最大值代替，步幅为2，padding使用valid策略。

第五层添加一个Dropout层，按照一定的概率随机使神经网络的神经元失效，降低连接的复杂度，防止过拟合，并加快训练速度。

最后添加一个BatchNormalization对输出数据进行归一化。

第二个双卷积网络结构，输出维度设置为128；第三个双卷积网络结构，输出维度设置为256。其余参数不变。

在经过卷积和池化完成特征提取之后，紧接着就是全连接的深度神经网络的输出层。在将数据输入全连接神经网络之前主要进行数据的Flatten操作，将之前的长、宽像素值三个维度的数据压平成一个维度，目的是减少参数的数量。因此，在卷积层和全连接神经网络之间添加一个Flatten层。

最后一层全连接神经网络作为输出层，输出数据维度是1。

网络使用rms_prop作为优化器，损失函数设置为均方误差（mse），模型评价标准为平均绝对误差（mae）。

训练过程

为了增加模型的鲁棒性和泛化性能，我们将原图像进行了尺度变换。将原图通过OpenCV或PIL进行缩放，然后再恢复成原来尺寸，这样我们可以得到一份新的数据样本，同时也增加了训练后模型对不同分辨率图像的适应性。

使用pickle将训练数据、测试数据，及其对应的Label进行打包，方便数据的移动和加载。

模型精度

对于六个不同的类别，模型最终训练的结果如下图所示。结果仅供参考。其中，每一种感知分数范围是0-100分，0表示最低，100表示最高。

预训练模型下载地址

下载地址：

https://github.com/whuyao/Urban_Perception_CNN_Model

./predict_model.py 示例python代码

./model_dir 模型集和精度表

参考文献：

• Yao Y, Liang Z, Yuan Z, et al. A human-machine adversarial scoring framework for urban perception assessment using street-view images[J]. International Journal of Geographical Information Science, 2019, 33(12): 2363-2384. (Inside Website)
• Wang, R., Ren, S., Zhang, J., Yao, Y., Wang, Y., & Guan, Q. (2021). A comparison of two deep-learning-based urban perception models: which one is better?. Computational Urban Science, 1(1), 1-13.(Inside Website)

Q.E.D.