规划问道本期为大家推荐的内容为论文《Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model》（使用YOLOv8深度学习模型评估邻里空间失序的详细研究方案），受邀发表在 Cell旗下 STAR Protocols 期刊，欢迎大家学习与交流。
以空间元素的中断和不规则为特征的邻里空间失序(PD)与负面的经济、社会和公共卫生结果相关。本文提出了一个研究方案，以定量评估邻里空间失序的一系列指标。我们描述了收集街景图片、使用YOLOv8深度学习模型构建检测模型、计算邻里空间失序分数以及量化街道和城市尺度的邻里空间失序变化的步骤。该研究方案是评估不同国家和地区邻里空间失序的方法基础。
题目：Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model
（使用YOLOv8深度学习模型评估邻里空间失序的详细研究方案）
作者：
发表刊物：
STAR Protocols
DOI:
https://doi.org/10.1016/j.xpro.2023.102778
引用格式：
Li, Y., Ma, Y., & Long, Y. (2024). Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model. STAR protocols, 5(1), 102778.
摘要ABSTRACT
文章共享模型和代码：
https://doi.org/10.17632/d3d4h5bvss.2；
（如使用本文相关观点、模型、代码，请引用本文章）
更多相关的研究工作详见BCL的【Spatial Disorder in China】单元链接：
https://www.beijingcitylab.com/projects-1/49-spatial-disorder-in-china/
（复制至浏览器搜索或点击文末“阅读原文”查看）
BCL北京城市实验室“中国空间失序” （Spatial Disorder in China）项目涵盖《城市街道空间失序的测度：基于街景图像和深度学习的大规模分析》《利用街景图片研究中国北京市中心城区社区空间失序与急性心肌梗死（AMI）出院患者长期复发风险之间的关系》《使用可穿戴相机测量个人对邻里空间失序的移动性暴露》《空间失序视角下的城市街道空间质量测度》《城市公共失序空间的要素识别、测量、影响评价与空间干预》等研究内容，欢迎探索。
更多内容，请点击微信下方菜单即可查询。
请搜索微信号“Beijingcitylab”关注。
Email：BeijingCityLab@gmail.com
Emaillist: BCL@freelist.org
新浪微博：北京城市实验室BCL
微信号：beijingcitylab
网址: http://www.beijingcitylab.com
责任编辑：李彦，马悦，张业成
原文始发于微信公众号（北京城市实验室BCL）：论文推荐 | 使用YOLOv8深度学习模型评估邻里空间失序的详细研究方案
