随着测绘制图与通讯技术的发展，公众能够借助各种平台和工具实时地自由创建、发布、编辑和共享地图图像大数据资源和产品，地图图像在地图内容、绘图标准等方面具有了显著的泛在性，导致难以创建大规 模、高质量的地图图像标注数据。

因此，尽管现有深度学习方法在识别标准地图的内容中取得了突破性的进 展，但受制于地图图像标注数据的局限，依然无法有效应对地图图像的识别和理解。

近日，李德仁院士团队根据目前国内外的相关研究进展与挑战，结合地理空间人工智能技术，探讨支持泛源地图图像大数据识别的理论与技术框架。

首先， 提出既能够表达地图图像内容，又能够为模型或算法表征的地图特征；然后，探讨面向地图图像内容识别的地 理空间人工智能技术，以及面向地图图像理解的语义分析方法；最后，总结和展望基于地图图像大数据的相关 应用及潜在价值。需要进一步研究支持地图图像表征的理论与方法，且集成地图图像显式内容的识别（地图感知）和地图图像潜在语义的分析（地图认知）才可充分挖掘地图图像大数据的价值。希望能够从数据表征和地理空间人工智能的角度为地图图像的研究提供新思路。

基于深度学习、迁移学习和元学习的地图内容识别对比

论文链接