mapKurator系统：从历史地图中提取并关联文本的完整流水线

图书馆和档案馆中的扫描历史地图是宝贵的地理数据储存库，这些数据往往在其他地方不存在。尽管Google Vision API等机器学习工具在将这些地图中的文本自动转录为机器可读格式方面具有潜力，但它们不能很好地处理大尺寸图像（例如高分辨率扫描文档），无法推断已识别文本与其他数据集之间的关系，并且难以与后处理工具集成。本文介绍了mapKurator系统，这是一个将机器学习模型与全面的数据处理流水线集成的端到端系统。mapKurator支持从大量大尺寸历史地图扫描中自动提取、后处理并关联文本标注。输出数据由边界多边形和已识别文本组成，采用标准GeoJSON格式，可在地理信息系统（GIS）中轻松修改。所提出的系统允许用户从大量历史地图中快速生成有价值的数据，以深入分析地图内容，进而促进地图的可发现性、可访问性、互操作性和可重用性（FAIR原则）。我们部署了mapKurator系统，并处理了David Rumsey历史地图收藏中超过60,000幅地图和超过1亿个文本/地名。我们还展示了mapKurator与协作式网络平台的无缝集成，以支持访问从历史地图扫描中提取并关联文本标注的自动化方法，并通过集体工作改进结果。