使用卫星图像和卷积神经网络比较城市环境 该存储库包含与该论文相关的代码，该论文。 本文的稍作修改的版本出现在中的会议。 该存储库包含本文中介绍的数据处理，模型训练和分析的Python实现： 用于构建城市环境土地利用分类的培训和评估数据集的代码位于文件夹中 本文使用的卷积神经网络分类器的Keras实现以及分类文件夹中的Keras实用程序，用于数据提取和多GPU训练（带有TensorFlow后端） 用于训练和验证模型以及产生分析结果和图表数据的代码位于文件夹中的笔记本中。 在以监督方式对卷积网络分类器进行卫星数据训练后，可通过研究为每个卫星图像提取的特征，将其用于比较许多城市的城市街区（城市环境）。 引文 如果您使用本文中的代码，数据或分析结果，我们恳请您引用上面的文章为： 利用卷积网络和卫星图像大规模识别城市环境中的模式。 A. Toni Albert，J。Kaur和MC Gonz

城市环境下无人驾驶车辆运动控制方法的研究，比较新的论文研究成果，值得参考。

地级及以上城市环境状况统计(城市绿化)(市辖区)(2007年).xls

地级及以上城市环境状况统计(环境治理投资额)(全市)(2007年).xls

地级及以上城市环境状况统计(废物处理率)(全市)(2007年).xls

地级及以上城市环境状况统计(环境治理主要指标)(全市)(2007年).xls

中国2006年地级及以上城市环境状况统计(城市绿化)(市辖区).xls

中国2006年地级及以上城市环境状况统计(环境治理投资额)(全市).xls

中国2006年地级及以上城市环境状况统计(废物处理率)(全市).xls

中国2006年地级及以上城市环境状况统计(环境治理主要指标)(全市).xls