Las mujeres enfrentan desventajas en los espacios públicos urbanos debido a sus características fisiológicas. Sin embargo, se ha prestado poca atención a la evaluación de las percepciones de seguridad desde una perspectiva femenina e identificación de los factores que influyen en estas percepciones. A pesar de los avances en las técnicas de aprendizaje automático (ML), cuantificar de manera eficiente y precisa las percepciones de seguridad sigue siendo un desafío. Este estudio, utilizando Wuhan como caso de estudio, propone un método para clasificar las percepciones de seguridad en las calles para mujeres combinando RankNet con características Gist. Se empleó una Red Neuronal Convolucional Total-8s (FCN-8s) para extraer características del entorno construido, mientras que la regresión de Mínimos Cuadrados Ordinarios (OLS) y la Regresión Geográficamente Ponderada (GWR) se utilizaron para explorar la relación entre estas características y las percepciones de seguridad de las mujeres. Los resultados revelan los siguientes hallazgos clave: (1) Las clasificaciones de percepción de seguridad en Wuhan se alinean con su patrón urbano multicéntrico, observándose diferencias significativas en el área central. (2) Las características del entorno construido influyen significativamente en las percepciones de seguridad de las mujeres, identificándose el Factor de Vista del Cielo, el Índice de Vista Verde y la Visibilidad de la Carretera como los factores más impactantes. El Factor de Vista del Cielo tiene un efecto positivo en las percepciones de seguridad, mientras que los otros factores exhiben efectos negativos. (3) La influencia de las características del entorno construido en las percepciones de seguridad varía espacialmente, permitiendo clasificar el área de estudio en tres tipos: regiones dominadas por el cielo y la carretera, dominadas por edificios y dominadas por áreas verdes. Finalmente, este estudio propone estrategias específicas para crear espacios públicos urbanos más seguros y amigables para las mujeres.