GeoAI中的托勒斯第一定律：基于弱监督的地形特征检测的空间显式深度学习模型
计算机视觉与模式识别
2025-08-07 v1 人工智能
摘要
近期对地理人工智能(GeoAI)的兴趣推动了广泛的应用，利用人工智能(AI)，尤其是深度学习，来解决地理问题。然而，缺乏训练数据以及在AI模型设计中忽视空间原理和空间效应等重大挑战仍然存在，显著阻碍了AI与地理研究的深入融合。本文报告了我们开发的深度学习模型，以弱监督方式实现对象检测，特别是自然特征检测的工作。我们的工作作出了三项贡献：首先，我们提出了仅使用弱标签进行对象检测的方法。通过开发基于托勒斯地理第一定律的空间显式模型来实现。其次，我们将注意力图纳入对象检测流程中，并开发了多阶段训练策略以提高性能。最后，我们将该模型应用于检测火星上的撞击陨石坑，这一任务以前需要大量的手动工作。该模型可推广至地球和其他行星表面上的自然和人造特征。该研究为GeoAI的理论和方法基础的发展做出了贡献。
引用
@article{arxiv.2508.03745,
title = {Tobler's First Law in GeoAI: A Spatially Explicit Deep Learning Model for Terrain Feature Detection Under Weak Supervision},
author = {Wenwen Li and Chia-Yu Hsu and Maosheng Hu},
journal= {arXiv preprint arXiv:2508.03745},
year = {2025}
}