城市記憶 · 建築普查

每一棟建築,
都值得被記住。

從一張照片開始,辨識建築、比對記憶,
為澳門留下下一份城市檔案。

  1. 01
    選擇照片拍下城市的一角
  2. 02
    辨識與比對找到它的建築故事
  3. 03
    定位與建檔留下專屬記憶編號
PHOTO INPUT

一張照片,一段記憶

01

選一張清晰的建築照片,讓我們從這裡開始。

把建築照片放在這裡 拖曳照片,或 點擊選擇 JPG / PNG / WebP · 也可以 Ctrl + V 貼上

拍攝建築照片

將建築完整放進畫面。

或先探索一張真實街景照片實拍示範 ↓
實拍照片來源與授權

    使用 Wikimedia Commons 已授權縮圖,未修改照片內容;卡片以 CSS 裁切顯示。示範照片也收錄在參考庫中,用來體驗操作流程。

    調整辨識選項

    正在準備模型…

    BUILDING INSIGHTS

    讀懂眼前的建築

    等待照片

    下一段城市故事,等你發現

    選擇照片並開始辨識,
    這裡會呈現建築類型與相似的記憶。

    建築分類記憶查重定位建檔

    辨識服務狀態

    正在載入模型與嵌入庫…

    辨識方法與定位說明

    流程:照片 → YOLO(11 類澳門建築 · 768px)標註類別 → DINOv2 ViT-S/14(336px)取 384 維向量 → 與已記錄的記憶庫查重 → 確認建築位置 → 編號與建檔。
    「這是哪一棟」只是查重的手段;這一頁的主結果是標註類別、查重結論與普查建檔。
    模型與 WASM 全部放在本機 public/ort/、public/models/(不連 CDN,離線可用); 嵌入庫 public/data/memory-embeddings.json 由 tools/recognize/build_embeddings.py 產生。
    資料庫是 SQLite(sqlite-wasm):src/recognize/db.js 建 buildings 表 + buildings_rtree 空間索引(半徑 50 公尺查重)。資料會自動保存在這個裝置: 優先寫進 OPFS(容量無上限),瀏覽器不支援時退回 localStorage(約 5 MB), 兩者都不能用才會只剩記憶體(此時資料庫面板會出現紅色警示)。每次新增/改狀態都會存檔, 重新整理後自動還原;仍可用「③ 普查資料庫」的匯出 JSON/.sqlite額外備份。 目前用哪一種儲存、最後儲存時間與錯誤,都顯示在「③ 普查資料庫」與下方診斷區塊。
    裝置定位會多次取樣並顯示設備估計範圍;取樣次數不代表實際精度提升。 拍攝位置與建築位置分開保存。建築位置由你點選輪廓或手動確認,舊照片不自動套用現在的裝置座標。

    正在載入辨識模型

    YOLO 建築偵測(38 MB)與 DINOv2 編碼器(87 MB)
    全部從本機載入,第一次需要一點時間…