引言
地图是国际上公认的三大通用语言（地图、绘画和音乐）之一，是人类生活、学习、工作和实践不可缺少的一部分。随着地图应用的普及，各类手绘地图、草图地图等非标准化地图（微地图）的使用越来越广泛。然而，当前在微地图的内容检索领域尚缺乏系统性的研究。为了填补这一研究空白，本文提出了一种基于YOLOv8模型的微地图地理要素检索方法，实现在手绘地图场景下地理要素的提取及检索。
微地图的特点与挑战
- 非标准化的表达方式
- 地理要素表达多样化
- 空间关系不精确
- 缺乏统一的符号系统
- 个性化程度高
- 检索难度大
研究意义
- 填补微地图内容检索领域的研究空白
- 提高手绘地图的检索效率
- 促进微地图在教育、旅游等领域的应用
- 为地理信息系统提供新的数据源
- 推动非标准化地图的智能化处理
研究创新点
本研究在微地图地理要素检索领域提出了以下创新点：
- 提出了一种基于YOLOv8l模型的微地图地理要素检测方法
- 引入C2f-FMSC模块改进YOLOv8l模型，提高检测精度
- 设计了Spatial空间计算检索模块，实现基于空间关系的地理要素检索
- 构建了手绘校园地图数据集，验证模型的有效性
研究问题
微地图是指非标准化地图，如手绘地图、草图地图等。与标准化地图相比，微地图具有表达方式多样、空间关系不精确、缺乏统一符号系统等特点，这给微地图的内容检索带来了巨大挑战。本研究旨在解决以下关键问题：
微地图地理要素识别问题
微地图中的地理要素表达方式多样，缺乏统一标准，如何准确识别这些地理要素是微地图内容检索的第一步。主要挑战包括：
表达方式多样性
- 同一地理要素可能有不同的表达方式
- 绘制风格差异大
- 符号使用不统一
- 颜色、形状变化多
识别难点
- 地理要素边界模糊
- 要素间重叠或交叉
- 手绘变形严重
- 背景干扰多
空间关系表达与计算问题
微地图中的空间关系表达不精确，如何准确计算和表达这些空间关系是内容检索的关键。主要挑战包括：
拓扑关系
- 相邻关系不精确
- 包含关系模糊
- 交叉关系复杂
- 连通性难以确定
方位关系
- 东南西北方向不准确
- 相对位置变形
- 方位表达主观性强
- 缺乏统一参考系
距离关系
- 比例尺不一致
- 距离表达不精确
- 近远关系主观
- 尺度变形严重
检索模型构建问题
如何构建一个能够有效检索微地图内容的模型，是本研究的核心问题。主要挑战包括：
传统方法局限性
- 基于规则的方法难以适应多样性
- 传统图像处理方法精度低
- 无法处理复杂的空间关系
- 缺乏对微地图特性的针对性优化
- 检索效率低
深度学习方法挑战
- 微地图训练数据不足
- 模型泛化能力受限
- 空间关系难以量化
- 检索精度与效率平衡
- 多模态信息融合困难
- 难以处理非标准化表达
- 空间关系计算不准确
- 检索精度低
- 难以适应多样性
- 缺乏语义理解能力
- 基于深度学习的地理要素识别
- 空间关系计算模块
- 针对微地图特性优化
- 高检索精度
- 良好的泛化能力
研究方法
数据集构建
本研究构建了一个包含493幅手绘校园地图的数据集，用于验证所提出的模型。数据来源包括：
- 各个学校官方发布的手绘校园地图
- 学生自由创作的校园地图
- 网络公开的校园手绘地图资源
数据集中的代表性地理要素包括：
水体
湖泊、河流、池塘等
操场
田径场、足球场、篮球场等
特色建筑
图书馆、教学楼、标志性建筑等
YOLOv8l模型选择与改进
通过对比YOLO系列模型的性能，本研究选择了YOLOv8l作为基础模型，并引入C2f-FMSC模块进行改进。
YOLOv8l模型选择原因
- 检测精度高
- 处理速度快
- 对小目标检测能力强
- 网络结构灵活，易于改进
- 在多种场景下表现稳定
C2f-FMSC模块改进
- 减少多尺度卷积计算量
- 提高特征提取能力
- 增强对微地图地理要素的识别精度
- 改善模型对变形要素的适应性
- 优化网络结构，提高效率
图1：C2f-FMSC基本架构
Spatial空间计算检索模块
为了实现基于空间关系的微地图检索，本研究设计了Spatial空间计算检索模块，用于计算地理要素之间的空间关系并进行检索。
空间关系数据库构建
- 存储地理要素的位置信息
- 记录要素间的拓扑关系
- 计算要素间的方位关系
- 建立要素间的距离关系
- 构建空间索引结构
空间关系计算
- 基于边界框计算拓扑关系
- 使用质心计算方位关系
- 通过归一化距离计算近远关系
- 综合评估空间关系相似度
- 计算查询条件与数据库的匹配度
图2：Spatial基本架构
实验结果
模型性能对比
本研究对比了不同YOLO系列模型在微地图地理要素检测任务上的性能，结果如下：
| 模型 | 精确率 | 召回率 | F1分数 | mAP@0.5 | 推理时间(ms) |
|---|---|---|---|---|---|
| YOLOv5l | 0.735 | 0.701 | 0.718 | 0.742 | 18.5 |
| YOLOv7 | 0.756 | 0.723 | 0.739 | 0.768 | 16.2 |
| YOLOv8l | 0.782 | 0.745 | 0.763 | 0.791 | 15.3 |
| YOLOv8l-FMSC | 0.800 | 0.764 | 0.782 | 0.812 | 15.7 |
从表中可以看出，YOLOv8l-FMSC模型在精确率、召回率、F1分数和mAP@0.5等指标上均优于其他模型，是实际对比中的最优模型。虽然推理时间略有增加，但仍保持在可接受范围内。
地理要素检测结果
YOLOv8l-FMSC模型在手绘校园地图数据集上的地理要素检测结果如下：
| 地理要素类型 | 精确率 | 召回率 | F1分数 |
|---|---|---|---|
| 水体 | 0.832 | 0.795 | 0.813 |
| 操场 | 0.815 | 0.783 | 0.799 |
| 特色建筑 | 0.768 | 0.732 | 0.750 |
空间关系检索结果
基于Spatial空间计算检索模块的微地图检索结果如下：
不同空间关系查询的检索性能：
| 查询类型 | 准确率@5 | 准确率@10 | 平均排名 |
|---|---|---|---|
| 单一要素查询 | 0.865 | 0.823 | 3.2 |
| 拓扑关系查询 | 0.824 | 0.785 | 4.1 |
| 方位关系查询 | 0.792 | 0.751 | 4.7 |
| 复合关系查询 | 0.763 | 0.728 | 5.3 |
实验结果表明，YOLOv8l-FMSC-Spatial模型能够有效地检索微地图中的地理要素，并根据空间关系进行检索。在单一要素查询中，模型表现最好，准确率@5达到0.865；在复合关系查询中，虽然准确率有所下降，但仍保持在0.763的水平，表明模型具有良好的空间关系理解能力。
结论
主要结论
本研究提出了一种YOLOv8l-FMSC-Spatial模型，用于微地图地理要素的提取及检索。通过实验验证，得出以下主要结论：
- 训练后的YOLOv8l模型可有效识别手绘地图中的地理要素，并在收集的数据集上验证了模型的有效性和鲁棒性。
- 引入C2f-FMSC模块后的YOLOv8l-FMSC模型精确率可达0.8、召回率可达0.764，为实际对比中的最优模型。
- 引入Spatial模块计算模型度量空间关系，可有效捕捉到相关地理要素的空间信息，减少与正射地图检索的差距。
- 提出的YOLOv8l-FMSC-Spatial模型可根据顾及空间关系的地理要素条件，快速准确地检索到内容相关的手绘地图，从而填补微地图在内容检索方面的研究空缺。
提出的YOLOv8l-FMSC-Spatial模型可根据顾及空间关系的地理要素条件，快速准确地检索到内容相关的手绘地图，从而填补微地图在内容检索方面的研究空缺。
创新点与贡献
本研究的主要创新点和贡献包括：
模型创新
提出了YOLOv8l-FMSC-Spatial模型，引入C2f-FMSC模块改进YOLOv8l，提高了微地图地理要素检测的精度。
方法创新
设计了Spatial空间计算检索模块，实现了基于空间关系的微地图检索，填补了微地图内容检索的研究空白。
数据贡献
构建了手绘校园地图数据集，包含493幅手绘校园地图，为微地图研究提供了宝贵的数据资源。
未来展望
尽管本研究取得了一定成果，但仍存在一些需要进一步研究的方向：
- 扩大微地图数据集规模，增加更多类型的微地图，提高模型的泛化能力。
- 探索更复杂的空间关系表达和计算方法，提高空间关系检索的准确性。
- 结合自然语言处理技术，实现基于自然语言的微地图检索。
- 研究微地图与标准地图的对应关系，实现微地图与标准地图的互操作。
- 将微地图检索技术应用于更广泛的场景，如旅游导览、应急救援等领域。