随着深度学习的迅速发展,探讨其在地图制图中的实际应用引起了学术界的关注。地图注记是地图图面表达和地图阅读的关键要素之一,将深度学习方法用于地图注记识别及配置研究对丰富智能化地图制图方法是一种有益的尝试。为此,论文从公开出版地图集中采集制作了地图注记数据集,提出将深度学习方法用于地图点注记的类别识别和文字识别当中。考虑到地图注记类型的多样性和复杂性,论文主要开展单一尺度下静态地图制图的地图点注记识别和配置试验研究。在得到注记配置结果后,基于注记质量评价指标和眼动交互实验对注记配置质量展开评价,并提出地图注记设计的改进方案。论文主要围绕行政中心注记、森林公园注记、自然保护区注记和风景名胜区注记4类注记开展类别识别,基于TensorFlow平台,采用卷积神经网络、插入卷积注意力模块的卷积神经网络和残差网络开展实验;与注记类别识别相呼应,开展注记文字识别,基于MXNet框架,采用卷积神经网络和密集卷积网络开展实验,并且在首次识别后加入了字符串相似度计算模块以提高识别精度。结果显示,在注记分类中,加入卷积注意模块的CNN分类精度为99.22%,在文字识别中,密集卷积神经网络的识别精度为94.29%,实验结果表明深度学习方法能较好地实现地图注记类别与文字识别。在注记配置中,结合注记类别和文字识别的结果定位注记位置并进行注记配置,本文在遵循注记配置规则的基础上注重突出注记的类别特征,赋予各类别注记不同的颜色及符号特征,并解决了注记冲突、注记压盖等问题。完成注记配置后,论文基于已有的注记质量评价指标及眼动交互实验对所得注记配置结果开展质量评价。评价结果表明,本文的注记配置结果符合地图制图的一般规则和用户的制图习惯,并且突出注记类别有助于用户快速处理注记信息,提升用户的读图效率。本文主要对深度学习方法在地图注记识别和地图注记配置中的应用开展研究,研究结果表明,论文的研究方法能够较好地实现地图注记识别,并为进一步向地图注记自动化配置拓展应用奠定基础,有助于提高后续地图制图注记配置效率,该研究成果对进一步提高深度学习在地图学中的应用提供了新思路。