梁 宇,左 棟

(1. 自然資源部地圖技術(shù)審查中心,北京 100036; 2. 中國(guó)地質(zhì)大學(xué)(北京)信息工程學(xué)院,北京 100083)

地圖具有科學(xué)價(jià)值、社會(huì)價(jià)值、法理價(jià)值和軍事價(jià)值,是人類工作、學(xué)習(xí)和生活不可缺少的科學(xué)語(yǔ)言和工具[1]。地理信息是地圖的重要組成部分,具有區(qū)域性、多維性和動(dòng)態(tài)性等獨(dú)特的特性[2]。隨著人工智能、計(jì)算機(jī)視覺、智能計(jì)算等技術(shù)的快速發(fā)展,測(cè)繪行業(yè)逐步向智能化時(shí)代過渡,涌現(xiàn)出深度學(xué)習(xí)等新的方法,測(cè)繪地理信息數(shù)據(jù)逐漸在汽車導(dǎo)航與自動(dòng)駕駛、實(shí)景三維建設(shè)等領(lǐng)域中得到廣泛的應(yīng)用[3-7]。

測(cè)繪地理信息數(shù)據(jù)是國(guó)家基礎(chǔ)性的、戰(zhàn)略性的資源,是總體國(guó)家安全觀的重要組成部分。為了保護(hù)國(guó)家主權(quán)和地理信息安全,防止在公開地圖中出現(xiàn)不利于我國(guó)政治主張的內(nèi)容,我國(guó)對(duì)地圖和地理信息實(shí)行審查和監(jiān)管制度。錯(cuò)誤表示國(guó)家領(lǐng)土范圍和地理信息的地圖稱為問題地圖,如錯(cuò)繪我國(guó)國(guó)界、地理信息內(nèi)容的表示不符合國(guó)家有關(guān)規(guī)定等。如在地圖中錯(cuò)誤表示上述內(nèi)容將嚴(yán)重威脅國(guó)家主權(quán)和地理信息安全。在智能化測(cè)繪時(shí)代,應(yīng)當(dāng)在保護(hù)地圖和地理信息安全的前提下,促進(jìn)行業(yè)的健康快速發(fā)展[8-10]?！皢栴}地圖”檢測(cè)的目的即保護(hù)地圖和地理信息安全,其主要應(yīng)用領(lǐng)域是地圖的技術(shù)審查和事后監(jiān)管階段,也可應(yīng)用于制圖單位送審之前的質(zhì)量檢驗(yàn)。由于地圖和地理信息行業(yè)的快速發(fā)展,地圖在數(shù)量、表現(xiàn)形式、應(yīng)用范圍等方面均有大幅提升,直接導(dǎo)致了“問題地圖”檢測(cè)的數(shù)量增加、時(shí)間成本提升等痛點(diǎn)問題,且開始出現(xiàn)慎用地圖、棄用高精地圖等現(xiàn)象和趨勢(shì),對(duì)行業(yè)的發(fā)展帶來不利影響。因此,保護(hù)地圖和地理信息安全與促進(jìn)測(cè)繪地理信息行業(yè)發(fā)展已成為矛盾問題。

地圖正處于大變革和人工智能的新時(shí)代,為地圖和地理信息等自然資源要素智能解譯提供了新的方法和研究方向。通過自動(dòng)發(fā)現(xiàn)和提取地理規(guī)律,實(shí)現(xiàn)“問題地圖”的智能檢測(cè),可為提升地圖和地理信息管理水平提供新的思路,能夠解決保護(hù)地圖和地理信息安全與促進(jìn)測(cè)繪地理信息行業(yè)發(fā)展的矛盾[11-14]。本文首先回顧了“問題地圖”檢測(cè)的發(fā)展現(xiàn)狀,著重從地圖的識(shí)別和檢測(cè)兩個(gè)基本流程對(duì)智能化測(cè)繪時(shí)代的“問題地圖”檢測(cè)方法和存在的問題進(jìn)行了論述;然后結(jié)合當(dāng)前“問題地圖”智能檢測(cè)研究面臨的痛點(diǎn)問題,論述“問題地圖”智能檢測(cè)的關(guān)鍵技術(shù);最后結(jié)合地圖技術(shù)審查知識(shí)庫(kù)建設(shè),指出“問題地圖”智能檢測(cè)的發(fā)展方向。

1 “問題地圖”檢測(cè)的發(fā)展現(xiàn)狀

1.1 傳統(tǒng)“問題地圖”檢測(cè)

1.1.1 傳統(tǒng)檢測(cè)方法

根據(jù)地圖學(xué)的基本理論,“問題地圖”檢測(cè)的主要對(duì)象為3大類、11小類的地圖基本構(gòu)成元素[15]。傳統(tǒng)檢測(cè)地圖和地理信息的方法完全依靠人工,需要審圖員熟讀與“問題地圖”相關(guān)的各項(xiàng)規(guī)定及標(biāo)準(zhǔn)地圖,形成“問題地圖”檢測(cè)的具體規(guī)則,構(gòu)成先驗(yàn)知識(shí)。檢測(cè)階段分為兩個(gè)步驟,首先通過人眼獲取視覺圖像,而后在大腦中對(duì)地圖元素進(jìn)行分類,判斷地圖的表示區(qū)域,識(shí)別出境界線、水系、各類型注記等感興趣的內(nèi)容,構(gòu)建相關(guān)元素的空間位置關(guān)系和邏輯關(guān)系;然后根據(jù)識(shí)別的地圖元素,從空間位置、數(shù)量、類型等方面判斷地圖元素的邏輯關(guān)系,與大腦中的先驗(yàn)知識(shí)對(duì)比,得出檢測(cè)結(jié)果,最終完成檢測(cè)地圖和地理信息的流程[16-18]。

1.1.2 傳統(tǒng)檢測(cè)方法存在的問題

傳統(tǒng)的“問題地圖”檢測(cè)方法大量依靠審圖員的專業(yè)知識(shí),存在下列問題:①無法保證檢測(cè)的時(shí)效性,檢測(cè)數(shù)量的增多將直接影響檢測(cè)時(shí)間,對(duì)智能高精地圖等高時(shí)效性,以及智能網(wǎng)聯(lián)汽車訓(xùn)練場(chǎng)景庫(kù)等數(shù)據(jù)量大的檢測(cè)對(duì)象尤為明顯;②存在一定的主觀性,同樣的地圖內(nèi)容交由兩名審圖員進(jìn)行檢驗(yàn),由于對(duì)相關(guān)標(biāo)準(zhǔn)的不同把握尺度和認(rèn)知能力,可能產(chǎn)生不同的檢測(cè)結(jié)果;③工作效果易受影響,在檢測(cè)數(shù)量增多時(shí),該問題尤為明顯;④地圖內(nèi)容復(fù)雜多樣,但檢測(cè)過程中感興趣的地圖元素偏少,造成冗余的工作增多。

1.2 智能化測(cè)繪時(shí)代的“問題地圖”檢測(cè)

1.2.1 智能檢測(cè)概況

智能化測(cè)繪是新時(shí)代、新技術(shù)不斷發(fā)展的產(chǎn)物。智能化測(cè)繪時(shí)代對(duì)“問題地圖”的檢測(cè)流程與傳統(tǒng)“問題地圖”檢測(cè)一致。智能檢測(cè)地圖和地理信息的前提條件是從各類圖像中成功識(shí)別并提取出感興趣的地圖和地理信息數(shù)據(jù);此外,還需要將傳統(tǒng)檢測(cè)方法的各檢測(cè)規(guī)則適配于計(jì)算機(jī)語(yǔ)言的形式表達(dá),構(gòu)成智能檢測(cè)的先驗(yàn)知識(shí)。完成上述工作后,再識(shí)別地圖和地理信息內(nèi)容,構(gòu)建語(yǔ)義模型,根據(jù)發(fā)現(xiàn)和提取的地理規(guī)律進(jìn)行智能檢測(cè)。

1.2.2 地圖的識(shí)別

智能檢測(cè)首先需要從檢測(cè)對(duì)象中過濾掉非地圖圖片。關(guān)于從柵格類型圖片中識(shí)別出特定類型的圖片,目前出現(xiàn)基于深度學(xué)習(xí)的圖像識(shí)別技術(shù),主要使用主動(dòng)學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等方法,識(shí)別土地利用類型、遙感影像變化和分類、其他圖片的類型等[19-25],該技術(shù)可識(shí)別出地圖圖片、遙感影像等類型的圖片,且具有較高的準(zhǔn)確率,通過排除大量無關(guān)類別的圖片,提高了地圖和地理信息管理水平[26]。

該技術(shù)對(duì)獲取的圖片類型地理空間大數(shù)據(jù)進(jìn)行初步過濾,實(shí)現(xiàn)了智能檢測(cè)的前提條件。但本質(zhì)上,上述方法僅縮小了人工檢測(cè)地圖和地理信息的范圍,且將圖片整體作為研究對(duì)象,從圖片的紋理特征中提取出相關(guān)的語(yǔ)義特征,智能檢測(cè)的應(yīng)用范圍受到限制。

1.2.3 地圖元素的識(shí)別和提取

“問題地圖”智能檢測(cè)的第一步是從地圖中識(shí)別并提取感興趣的點(diǎn)、線、面、注記4類地圖元素,根據(jù)地圖元素的特征判斷地圖的表現(xiàn)區(qū)域,并構(gòu)建地圖要素模型。

識(shí)別并提取地圖要素可通過地圖名稱、地圖注釋獲取地圖的表示區(qū)域[27-28]。提取地圖元素,目前主要使用訓(xùn)練集對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,文獻(xiàn)[29—31]使用地圖圖像識(shí)別技術(shù),從柵格地圖中提取了水域等線狀、面狀地圖元素,以及名稱等注記類型元素,驗(yàn)證了從柵格地圖中識(shí)別和提取地圖元素的可行性。

判斷地圖的表現(xiàn)區(qū)域主要通過使用注記類元素,利用深度卷積神經(jīng)網(wǎng)絡(luò)等方法實(shí)現(xiàn)地名的解譯,幫助自動(dòng)識(shí)別地名所處的空間坐標(biāo)[32-33],輔助判斷地理信息的位置。

地理信息數(shù)據(jù)大量存在于實(shí)景圖片、遙感影像等柵格類型的圖片,以及由點(diǎn)云、影像等構(gòu)成的三維地物中。對(duì)地理信息的識(shí)別主要面向遙感影像圖、街景地圖等柵格類型圖片,通過支持向量機(jī)、卷積神經(jīng)網(wǎng)絡(luò)等方法,識(shí)別天橋、立交橋、建筑物等人工構(gòu)建的地理信息[34-38]。使用深度學(xué)習(xí)在柵格圖片中識(shí)別并提取感興趣的地理信息數(shù)據(jù)應(yīng)用較廣泛,主要使用卷積神經(jīng)網(wǎng)絡(luò)、對(duì)抗神經(jīng)網(wǎng)絡(luò)等方法,用于提取地圖字符和地圖符號(hào)[31,39-40]。識(shí)別影像方面,文獻(xiàn)[41—44]使用卷積神經(jīng)網(wǎng)絡(luò),在不同波段分別進(jìn)行了行人檢測(cè)、建筑物的識(shí)別與提取、特定地物的識(shí)別與檢測(cè)等,且具有較高的檢測(cè)成功率。識(shí)別實(shí)景影像構(gòu)成的三維地圖主要采用目標(biāo)檢測(cè)深度學(xué)習(xí)模型在圖像中檢測(cè)信號(hào)燈、路燈、垃圾桶、交通標(biāo)志牌等多類別城市典型地物要素[45];識(shí)別點(diǎn)云構(gòu)成的三維地物中的地理信息則主要采用通過融合空間上下文信息的分類圖注意力模型、特征屬性篩選、分類模型等方法識(shí)別交通標(biāo)線、桿狀物等地理信息[46-48]。

當(dāng)前,對(duì)地圖元素和地理信息的識(shí)別已有成熟的技術(shù),且具有較高的準(zhǔn)確率。在地圖檢測(cè)的應(yīng)用領(lǐng)域中,當(dāng)前的識(shí)別和提取方法均針對(duì)某一種更具體的地圖元素,如水系、天橋、行人等。由于對(duì)地圖元素的分類方法有待改進(jìn),未從智能檢測(cè)的角度對(duì)地圖元素進(jìn)行分類,因此現(xiàn)有研究無法覆蓋全部的檢測(cè)對(duì)象,未在“問題地圖”智能檢測(cè)的應(yīng)用中形成完整的體系結(jié)構(gòu)。

上述方法的主要應(yīng)用領(lǐng)域是識(shí)別出正確的地圖和地理信息要素,在此基礎(chǔ)之上,下一步應(yīng)對(duì)識(shí)別出的要素,構(gòu)建地圖要素模型并確定計(jì)算模式。在測(cè)繪產(chǎn)品質(zhì)量檢驗(yàn)測(cè)試研究領(lǐng)域,已通過比對(duì)檢驗(yàn)等方法,智能驗(yàn)證測(cè)繪產(chǎn)品相關(guān)格式的邏輯正確性,并將空間關(guān)系作為質(zhì)檢關(guān)鍵共性技術(shù)[49-50],為“問題地圖”智能檢測(cè)提供了積極的借鑒作用。

1.2.4 地圖的檢測(cè)

實(shí)景地圖、遙感影像地圖等圖種在識(shí)別限制表達(dá)的地圖內(nèi)容后,即完成地圖的檢測(cè),其他圖種則需要進(jìn)一步檢測(cè)地圖各組成內(nèi)容的類別、數(shù)量、方向等邏輯關(guān)系。目前主要通過對(duì)特征進(jìn)行提取和對(duì)比,自動(dòng)發(fā)現(xiàn)地圖圖片中的錯(cuò)誤,確保地圖內(nèi)容的完整性與準(zhǔn)確度[30-31]。文獻(xiàn)[51—52]提出智能檢測(cè)“問題地圖”應(yīng)將先驗(yàn)知識(shí)與算法相結(jié)合,從認(rèn)知規(guī)則獲取特征知識(shí),結(jié)合空間關(guān)系約束規(guī)則和計(jì)算模型進(jìn)行智能檢測(cè),并提出了構(gòu)建專家?guī)臁颖編?kù)、智能審圖模型與算法、智能審圖協(xié)同平臺(tái)的智能化審圖技術(shù)框架;文獻(xiàn)[53]認(rèn)為先驗(yàn)知識(shí)由審查內(nèi)容、地圖要素模型、地圖技術(shù)審查標(biāo)準(zhǔn)庫(kù)組成,通過識(shí)別地圖區(qū)域、識(shí)別地圖要素和屬性信息、審查地圖要素、分析識(shí)別結(jié)果4個(gè)步驟實(shí)現(xiàn);在二維地圖的檢測(cè)中,智能檢測(cè)“問題地圖”得到了初步的應(yīng)用;文獻(xiàn)[54]使用卷積神經(jīng)網(wǎng)絡(luò)的方法,利用“問題地圖”的補(bǔ)集,實(shí)現(xiàn)了“問題地圖”智能檢測(cè),且檢測(cè)準(zhǔn)確率達(dá)80%,驗(yàn)證了智能檢測(cè)“問題地圖”的可行性。但是,由于該方法要求檢測(cè)對(duì)象必須為特定形式,且檢測(cè)的錯(cuò)誤類型相對(duì)有限,限制了其應(yīng)用范圍。由于地圖的表現(xiàn)形式復(fù)雜,同類錯(cuò)誤存在幾十種甚至上百種形式,為擴(kuò)大智能檢測(cè)的適用對(duì)象,需要構(gòu)建統(tǒng)一的地圖元素模型,使用統(tǒng)一的計(jì)算模式。

智能化測(cè)繪時(shí)代對(duì)地理信息的檢測(cè)主要應(yīng)用領(lǐng)域是導(dǎo)航互聯(lián)網(wǎng)地圖中興趣點(diǎn)的檢測(cè),通過建立黑白名單庫(kù),使用搜索引擎優(yōu)化、關(guān)鍵詞優(yōu)化、自動(dòng)分詞、詞法分析等方法實(shí)現(xiàn)興趣點(diǎn)的自動(dòng)篩查[55]。

1.2.5 智能化檢測(cè)存在的問題

現(xiàn)階段,“問題地圖”智能檢測(cè)取得了初步的研究成果,但是受制于下列痛點(diǎn)問題,當(dāng)前的“問題地圖”檢測(cè)仍然使用傳統(tǒng)的檢測(cè)方法:①缺少合適的訓(xùn)練樣本,當(dāng)前的訓(xùn)練樣本主要通過自然資源部標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)(即“問題地圖”的補(bǔ)集)獲得,由于“問題地圖”檢測(cè)的規(guī)則眾多,訓(xùn)練樣本的缺乏直接限制了當(dāng)前的智能檢測(cè)規(guī)則和檢測(cè)區(qū)域;②地圖的表現(xiàn)形式多樣,待檢測(cè)的地圖在地圖投影、符號(hào)選取、制圖綜合、地圖比例尺、基礎(chǔ)地理信息的選取與應(yīng)用等方面存在巨大的差異,缺少統(tǒng)一的建模標(biāo)準(zhǔn),亟須用統(tǒng)一的計(jì)算機(jī)語(yǔ)言表達(dá)所有的“問題地圖”錯(cuò)誤類型;③由于元數(shù)據(jù)的質(zhì)量差別巨大,且存在語(yǔ)義異構(gòu)的現(xiàn)象,導(dǎo)致識(shí)別準(zhǔn)確率較低,無法滿足高效獲取和利用地圖圖像大數(shù)據(jù)的實(shí)際需求[28,56];④“問題地圖”檢測(cè)規(guī)則更新較快,需及時(shí)對(duì)檢測(cè)規(guī)則進(jìn)行存量維護(hù)和增量更新。上述問題導(dǎo)致了“問題地圖”智能檢測(cè)的發(fā)展較緩慢。推進(jìn)智能化檢測(cè)應(yīng)充分借鑒圖片在質(zhì)量檢測(cè)等方面已有的經(jīng)驗(yàn)[57],并突出“問題地圖”智能檢測(cè)的特點(diǎn)。

2 “問題地圖”智能檢測(cè)關(guān)鍵技術(shù)

2.1 地理空間大數(shù)據(jù)挖掘技術(shù)

實(shí)現(xiàn)“問題地圖”智能檢測(cè)需要大量的訓(xùn)練樣本。現(xiàn)有的訓(xùn)練樣本通過自然資源部標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)和送審圖件等固定渠道獲取,樣本量較少。為補(bǔ)充訓(xùn)練樣本,應(yīng)將“問題地圖”智能檢測(cè)的技術(shù)發(fā)展與互聯(lián)網(wǎng)“問題地圖”監(jiān)控相結(jié)合,對(duì)網(wǎng)站、微博、微信公眾號(hào)等媒介采用主動(dòng)挖掘的方式,在監(jiān)控“問題地圖”的同時(shí),補(bǔ)充訓(xùn)練樣本。此外,互聯(lián)網(wǎng)中蘊(yùn)含了豐富的地理信息,使用地理大數(shù)據(jù)聚類分析、異常探測(cè)、關(guān)聯(lián)關(guān)系挖掘及預(yù)測(cè)建模等方法從互聯(lián)網(wǎng)中快速、準(zhǔn)確地發(fā)現(xiàn)并定位地理信息,且對(duì)地理信息進(jìn)行語(yǔ)義分析,提取出感興趣的地理信息數(shù)據(jù),是獲取訓(xùn)練樣本的重要手段[58]。

2.2 構(gòu)建統(tǒng)一的地圖審查模型

2.2.1 構(gòu)建統(tǒng)一的空間認(rèn)知模型

對(duì)地圖空間認(rèn)知進(jìn)行建模,構(gòu)建數(shù)學(xué)基礎(chǔ)是地圖視覺認(rèn)知研究從理論探討走向?qū)嵺`應(yīng)用的重要前提,以及地圖空間認(rèn)知理論發(fā)展的關(guān)鍵[59-60]。由于地圖在投影、比例尺、基礎(chǔ)地理信息和專題內(nèi)容的選取等方面有眾多的表現(xiàn)形式,且表達(dá)的地理信息十分豐富,亟須在智能檢測(cè)“問題地圖”的應(yīng)用中構(gòu)建統(tǒng)一的數(shù)學(xué)基礎(chǔ)和要素模型。其基本思路是從有空間參考的訓(xùn)練樣本中選取對(duì)空間認(rèn)知有價(jià)值的境界線、海岸線、居民點(diǎn)等基礎(chǔ)地理信息要素,建立地圖智能檢測(cè)參考圖,通過地圖內(nèi)容特征匹配,自動(dòng)判斷待檢測(cè)對(duì)象的實(shí)際位置,并賦予其空間位置信息。

2.2.2 構(gòu)建統(tǒng)一的地圖要素模型

為有效避免“問題地圖”的產(chǎn)生,當(dāng)前研究已從地圖圖種入手,對(duì)高精度導(dǎo)航電子地圖、動(dòng)畫效果地圖、學(xué)術(shù)論文中的插圖等圖種[61-63]進(jìn)行了詳細(xì)論述。此外,從檢測(cè)內(nèi)容入手,對(duì)用于正確表示地圖和地理信息的國(guó)界線、島嶼、重要地名注記等具體的檢測(cè)內(nèi)容[64-65]進(jìn)行了具體分析。

上述論述經(jīng)語(yǔ)義分解,可分為以下3個(gè)部分:①區(qū)域范圍,指地圖批注描述的區(qū)域范圍或?qū)ｎ}類型;②地圖要素的屬性,指用于區(qū)分地圖要素類別的要素屬性信息;③地圖要素計(jì)算模式,指檢測(cè)時(shí)要素屬性在特定情況下應(yīng)滿足的條件。按照該方法分解相關(guān)論述并匯總,文獻(xiàn)[53]構(gòu)建了地圖要素模型。基于上述內(nèi)容,形成了智能識(shí)別“問題地圖”的地圖要素模型構(gòu)建方法和裝置,可用于識(shí)別的各地圖要素模型的構(gòu)建,模型的各組成要素是“問題地圖”智能檢測(cè)的對(duì)象。

2.3 構(gòu)建統(tǒng)一的計(jì)算模式

針對(duì)地圖表現(xiàn)形式多樣、語(yǔ)義結(jié)構(gòu)復(fù)雜的痛點(diǎn)問題,提出將地圖專家積累的經(jīng)驗(yàn)作為先驗(yàn)知識(shí)庫(kù)進(jìn)行總結(jié),凝練為有關(guān)檢測(cè)“問題地圖”的認(rèn)知規(guī)則,可據(jù)此將訓(xùn)練樣本分為正、負(fù)兩類,同時(shí)明確地圖要素的識(shí)別與提取對(duì)象及構(gòu)建的地圖要素模型。各地圖要素之間的邏輯關(guān)系作為地圖技術(shù)審查知識(shí)庫(kù)的組成部分,用于地圖要素的智能檢測(cè)。本文提出根據(jù)地圖要素的類型,結(jié)合對(duì)常見地圖批注內(nèi)容的語(yǔ)義分解,將其分解為類型檢測(cè)、數(shù)量檢測(cè)、位置檢測(cè)、方向檢測(cè)、拓?fù)潢P(guān)系檢測(cè)、歸屬檢測(cè)、內(nèi)容檢測(cè)7類智能檢測(cè)函數(shù)。各檢測(cè)函數(shù)可用于4類地圖要素類型的智能檢測(cè)。綜合考慮地圖要素和檢測(cè)函數(shù)的類型,共組成13個(gè)具體的智能檢測(cè)函數(shù),見表1。

表1 “問題地圖”智能檢測(cè)函數(shù)

其中,自動(dòng)識(shí)別點(diǎn)、線、面、注記等類型“問題地圖”的方法和裝置,共同組成了智能識(shí)別“問題地圖”的專利體系。

2.4 明確檢測(cè)技術(shù)的具體用途

地圖中感興趣的檢測(cè)對(duì)象從眾多的地圖元素中抽稀而來,與地圖元素的屬性共同構(gòu)成先驗(yàn)知識(shí)庫(kù)。其中,地圖的檢測(cè)對(duì)象指待檢測(cè)的某條國(guó)界、某類重要地理信息等,其表現(xiàn)形式在地圖中具有唯一性,且其屬性不發(fā)生變化。因此,計(jì)算機(jī)視覺主要應(yīng)用于識(shí)別并判斷地圖元素的屬性,包括形狀、元素樣式、元素的相對(duì)位置關(guān)系等;可使用正確、錯(cuò)誤的地圖示例,利用深度學(xué)習(xí)圍繞各屬性的取值范圍、形狀特征等內(nèi)容進(jìn)行訓(xùn)練,確定合理的域值。

3 結(jié) 語(yǔ)

為解決“問題地圖”檢測(cè)的一系列痛點(diǎn)問題,保障在合規(guī)的前提下促進(jìn)測(cè)繪地理信息行業(yè)的發(fā)展,本文回顧了“問題地圖”檢測(cè)的現(xiàn)狀,著重論述了智能檢測(cè)“問題地圖”的痛點(diǎn)問題,并根據(jù)當(dāng)前存在的問題,提出并實(shí)現(xiàn)了“問題地圖”智能檢測(cè)的關(guān)鍵技術(shù)。

本文有助于智能檢測(cè)“問題地圖”的研究進(jìn)展,結(jié)合當(dāng)前檢測(cè)的痛點(diǎn)問題構(gòu)建了地圖審查模型,有助于推動(dòng)智能檢測(cè)“問題地圖”的研究進(jìn)展。