Urban canyon classificação desempenha um papel importante na análise do impacto do interior do canyon geometria na morfologia urbana e microclimas. Os métodos de classificação existentes que utilizam proporções de aspecto exigem um grande número de inquéritos de campo, que são muitas vezes dispendiosos e laboriosos. Além disso, é difícil para estes métodos lidar com a complexa geometria de cânions de rua, que é muitas vezes exigido por aplicações específicas. Para superar essas dificuldades, desenvolvemos uma abordagem de classificação de cânions de rua usando imagens publicamente disponíveis do Google Street View (GSV). O nosso método inspira-se nos últimos avanços na aprendizagem multitarefa profunda baseada em redes convolucionais densamente conectadas (DenseNets) e adaptada para a classificação de múltiplos cânions de rua, ou seja, baseados em H/W (Nível 1), simetria (Nível 2) e geometria complexa (Nível 3). Realizámos uma série de experiências para verificar o método proposto. Em primeiro lugar, tomando a área de Hong Kong como exemplo, o método alcançou uma precisão de 89,3%, 86,6% e 86,1%, respectivamente, para os três níveis. Mesmo usando os dados da pesquisa de campo como a verdade do solo, ganhou aproximadamente 80% para diferentes níveis. Depois, testamos nosso modelo em cinco outras cidades e comparamos os resultados com os métodos tradicionais. Foi demonstrada a transferibilidade e a eficácia do regime. Finalmente, para enriquecer a representação de uma geometria de rua mais complicada, a abordagem pode gerar separadamente mapas temáticos de cânions de rua em vários níveis para facilitar melhor os estudos microclimáticos em ambientes construídos de alta densidade. As técnicas desenvolvidas para a classificação e mapeamento de cânions de rua fornecem uma ferramenta econômica para estudar o impacto da geometria complexa e em evolução de cânions urbanos em mudanças microclimas.