Este estudio da un paso más para complementar la aplicación de un método para mapear espacios verdes informales (IGSs) utilizando una combinación eficiente de datos de código abierto con herramientas y algoritmos simples. Los IGSs son reconocidos de manera no oficial por el gobierno como espacios de vegetación diseñados para la recreación, la jardinería y la silvicultura en áreas urbanas. Debido a la crisis económica, muchos espacios verdes formales, como parques urbanos y proyectos de jardinería, han sido pospuestos, mientras que los IGSs tienen un potencial significativo como adaptaciones de espacios verdes. Sin embargo, debido a que son pequeños y espacialmente continuos y no pueden ser detectados completamente a través de encuestas aéreas, se encuestan en áreas pequeñas y son descuidados por el gobierno y los planificadores urbanos. Por lo tanto, en esta investigación, combinamos el uso de datos de Google Street View (GSV) con aprendizaje automático para desarrollar un método de encuesta que puede ser utilizado para encuestar una amplia área a la vez. Se utilizó Deeplab V3+ para segmentar la semántica basada en el modelo creado utilizando 1000 fotos etiquetadas, con una tasa de precisión de casi el 65%. La aplicación de este método dio una alta precisión en Ichikawa, Japón, con 3029 fotos, y coincidió con los resultados de una encuesta de campo en un estudio anterior. En contraste, se observó baja precisión en Ciudad Ho Chi Minh, con 204 fotos, donde la calidad de los datos de GSV era considerablemente inferior.