伴随工业化建造和现代主义建筑在中国城市的实行,中国城市面临千城一面,特色湮灭的风貌问题。而建筑风貌作为城市风貌的重要组成部分,一直难以被大规模全面地,量化地分析。而当前人工智能技术逐步成熟,机器学习在图像识别、图像分类上应用的逐渐完善。使得风貌研究的量化成为可能。因此,在此背景下,尝试用机器学习技术对城市街景图片中的建筑风貌进行识别和分类。城市街景建筑风貌是在街道层面最容易被人感知到的建筑立面、功能等特征的集合;是城市风貌中,物质层面风貌的一个组成部分,包含建筑群、建筑单体、建筑构件、表皮符号等主要构成元素。本文采用百度街景平台采集了南京市全市域街景数据,通过整合机器学习技术中半监督分类的Info GAN框架和有监督分类的Res Net框架,构建起街景建筑风貌的分类技术方法。首先,本文对城市建筑风貌本体和分类理论展开研究,对当下城市建筑风貌在不同领域导向下,其分类标准进行归纳总结。结合三个不同学科背景的学者对城市建筑风貌的研究成果,归纳城市建筑风貌的分类标准或者说分类的价值观导向,构建起区位类型、功能类型、形式类型三种分类导向,作为后续分类的理论基础。随后通过街景数据清洗减少非建筑风貌数据样本,Mobile Nets语义分割提取建筑语义要素,RF掩码操作减少透视角度等表层信息干扰,Info GAN模型对风貌的初步分类,构建分类样本集以及Res Net框架有监督分类的步骤,对南京市街景数据进行实例分析,得到机器学习的分类结果。随后从空间区位和功能契合两个角度进行验证,讨论机器学习的建筑风貌分类技术方法的可行性。并进一步探讨该研究方法在城市现状风貌测度,风貌现状评价,特殊地区风貌协调程度,风貌多样性等城市问题研究上的可能性。最终,本文提供了一套全覆盖的城市街景建筑风貌认知与分析方法,以及对城市风貌问题的量化,并寻找与传统定性方法的偏差的创新尝试。具体的全文组织结构如下:第一章为本文的绪论部分,主要介绍本文的研究背景,风貌本体的研究进展,概念解析以及本文的研究方法和意义。第二章为理论建构部分,从城市规划,建筑学,数据库建构三个角度导向去建立城市风貌分类的价值导向,为后续数据实验提供基本的理论参数和标准。第三章为具体实例的技术方法流程。阐述了以南京市为实例的街景风貌分类的技术流程以及其中遇到的各类问题和解决方案。第四章为实例研究结果和讨论,展示了实例研究的分类结果,以及验证结果,并对结果体现的现象与分异机制进行讨论,对技术方法进行评估,并考虑在风貌研究情景的可能性。第五章为本文的总结部分,总结本文主要结论,凝练创新点,为后续的研究提供一定参考和方向。