La clasificación de cañón urbano juega un papel importante en el análisis del impacto de la geometría de cañón urbano en la morfología y microclimas urbanos. Los métodos de clasificación existentes que utilizan relaciones de aspecto requieren un gran número de estudios de campo, que a menudo son costosos y laboriosos. Además, es difícil para estos métodos manejar la compleja geometría de los cañones callejeros, que a menudo se requiere para aplicaciones específicas. Para superar estas dificultades, desarrollamos un enfoque de clasificación de street canyon utilizando imágenes de Google Street View (GSV) disponibles públicamente. Nuestro método está inspirado en los últimos avances en aprendizaje multitarea profundo basado en redes convolucionales densamente conectadas (DenseNets) y adaptado para múltiples clasificaciones de street canyon, es decir, clasificaciones basadas en H/N (Nivel 1), basadas en simetría (Nivel 2) y basadas en geometría compleja (Nivel 3). Realizamos una serie de experimentos para verificar el método propuesto. En primer lugar, tomando el área de Hong Kong como ejemplo, el método logró una precisión de 89,3%, 86,6% y 86,1%, respectivamente, para los tres niveles. Incluso utilizando los datos de la encuesta de campo como la verdad sobre el terreno, ganó aproximadamente el 80% para diferentes niveles. Luego, probamos nuestro modelo preentrenado en otras cinco ciudades y comparamos los resultados con los métodos tradicionales. Se demostró la transferibilidad y eficacia del sistema. Finalmente, para enriquecer la representación de la geometría de calles más complicada, el enfoque puede generar por separado mapas temáticos de cañones de calles a múltiples niveles para facilitar mejor los estudios microclimáticos en entornos construidos de alta densidad. Las técnicas desarrolladas para la clasificación y el mapeo de cañones callejeros proporcionan una herramienta rentable para estudiar el impacto de la geometría de cañones urbanos complejos y en evolución en los cambios del microclima.