📖 AI 总结

该研究聚焦于图像中物体间拓扑关系的识别，即判断物体是接触、重叠、分离还是包含关系，这类能力在GIS、生物医学成像和机器人等领域具有重要应用价值。由于此前缺乏高质量数据集和统一的评估标准，该方向进展有限。为此，作者构建了一个包含超过11000张标注图像的新数据集，涵盖各类基本拓扑关系，并通过分割、轮廓检测和灰度归一化提取特征向量。研究对比了朴素贝叶斯、KNN、随机森林、SVM、人工神经网络等传统模型与VGG16、InceptionResNetV2等深度学习模型，结果显示深度学习方法表现更优，其中VGG16验证准确率达89.55%，显著超越传统方法。该工作表明迁移学习在图像拓扑关系分析中具有强大潜力，并为后续空间推理与拓扑分类研究提供了新的基准。

🔑 关键词速览