机器学习视野下的建筑风格形式特征研究方法初探

作者：孙澄宇; 胡苇^*

来源：城市建筑, 2021, 18(07): 104-111.

DOI：10.19892/j.cnki.csjz.2021.07.23

• 深度卷积神经网络
• 风格
• 认知

对不同时期的不同建筑风格形式特征的研究,一直是建筑历史与理论研究中的一个重要领域,长久以来一般采用"案例+分析+归纳"的方式进行。虽然通过这种方法已经基本确立了中外建筑史的多个典型风格时期,但由于历史的连续性与地域文化的交融性,在对实际历史建筑进行保护与改造时,往往很难给出明确的风格定位,或者对于同一个建筑上叠加的、残留的形式特征难以做出准确的判断,不利于后续设计工作的展开。当今人工智能领域中的机器学习方法,为改善上述问题提供了新的视角。本研究从该方法入手,探索如何通过不断提升机器对风格图片的分类能力,实现定量化的风格判断,适用于各种混合风格的情况,帮助设计者锁定各种形式风格的特征,为后续设计改造提供参考。这里以对巴洛克、拜占庭、哥特3种建筑形式风格的机器学习为例,介绍了如何通过学习3331张网络爬取样本,达到80.8%的分类正确率。同时,通过试验还对比了人工判断的71.0%平均正确率,以及利用迁移学习的特点在其他非建筑领域取得的81.8%正确分类效果。上述案例虽然能力有限,但已展示出机器学习方法对于建筑风格研究的独特价值,其方法具有普遍意义。

• 单位
  同济大学