从历史地图图像自动生成丰富关联地理元数据的途径
人工智能
2021-12-06 v1
摘要
历史地图包含难以在其他地方获取的详细地理信息，且覆盖长时间跨度（例如美国历史地形图达 125 年）。然而，这些地图通常以无可检索元数据的扫描图像形式存在。现有使历史地图可检索的方法依赖繁琐的人工工作（包括众包）来生成元数据（如地理定位和关键词）。光学字符识别（OCR）软件可减轻所需的人工工作，但识别结果为孤立单词而非位置短语（如“Black”和“Mountain”对比“Black Mountain”）。本文提出一种端到端方法来解决历史地图图像查找与编目的现实问题。该方法自动处理历史地图图像以提取其文本内容，并生成一组关联至大型外部地理空间知识库的元数据。RDF（资源描述框架）格式的关联元数据支持用于查找和编目历史地图的复杂查询，例如检索覆盖加州海拔高于 1,000 米山峰的所有历史地图。我们已在名为 mapKurator 的系统中实现该方法。我们使用来自多个来源、具有不同地图样式、比例尺和覆盖范围的历史地图对 mapKurator 进行了评估。结果表明其相较最先进方法（SOTA）有显著提升。代码已作为 Kartta Labs 项目的模块在 https://github.com/kartta-labs/Project 公开可用。
引用
@article{arxiv.2112.01671,
title = {An Automatic Approach for Generating Rich, Linked Geo-Metadata from Historical Map Images},
author = {Zekun Li and Yao-Yi Chiang and Sasan Tavakkol and Basel Shbita and Johannes H. Uhl and Stefan Leyk and Craig A. Knoblock},
journal= {arXiv preprint arXiv:2112.01671},
year = {2021}
}
备注
10.1145/3394486.3403381