微地图作为自媒体时代出现的新型地图,具有大众参与、个性化、快速传播等特征,然而现有微地图研究在点符号设计方面存在一定局限,难以完全满足大众个性化制图的需求。为解决这一问题,本文从微地图制作角度出发,选择手绘地图的通用地图...微地图作为自媒体时代出现的新型地图,具有大众参与、个性化、快速传播等特征,然而现有微地图研究在点符号设计方面存在一定局限,难以完全满足大众个性化制图的需求。为解决这一问题,本文从微地图制作角度出发,选择手绘地图的通用地图符号作为研究对象,构建了一个包含多种类型和样式的手绘地图数据集。在现有研究的基础上,通过对比选择目标检测中常用的YOLOv5(You Only Look Once v5)系列模型,深入探索手绘地图中通用地图符号的自动提取方法,并采用YOLOv5-X模型进行手绘地图通用地图符号的提取。实验结果显示,该模型在手绘地图数据集上的point类别提取精确度、召回率和F1得分分别达到了98.42%、94.72%和97%。同时在Quick Draw涂鸦数据集上进行模型泛化能力的测试,本文所使用的模型在该数据集上展现出良好的提取效果。本研究的开展不仅扩充了微地图个性化点符号的研究数据集,还改进了通用地图符号的提取方法,为微地图制图注入了更多元化的元素,也为自媒体时代的地图制作提供了更为灵活和个性化的解决方案。展开更多
文摘微地图作为自媒体时代出现的新型地图,具有大众参与、个性化、快速传播等特征,然而现有微地图研究在点符号设计方面存在一定局限,难以完全满足大众个性化制图的需求。为解决这一问题,本文从微地图制作角度出发,选择手绘地图的通用地图符号作为研究对象,构建了一个包含多种类型和样式的手绘地图数据集。在现有研究的基础上,通过对比选择目标检测中常用的YOLOv5(You Only Look Once v5)系列模型,深入探索手绘地图中通用地图符号的自动提取方法,并采用YOLOv5-X模型进行手绘地图通用地图符号的提取。实验结果显示,该模型在手绘地图数据集上的point类别提取精确度、召回率和F1得分分别达到了98.42%、94.72%和97%。同时在Quick Draw涂鸦数据集上进行模型泛化能力的测试,本文所使用的模型在该数据集上展现出良好的提取效果。本研究的开展不仅扩充了微地图个性化点符号的研究数据集,还改进了通用地图符号的提取方法,为微地图制图注入了更多元化的元素,也为自媒体时代的地图制作提供了更为灵活和个性化的解决方案。
