随着图像拍摄设备和传感器的大量普及,社交网络中的图像被附上了一种新的图像元数据——地理标注,这种标注信息在地理信息系统中尤其是图像地理标注任务中变得越来越重要。如何有效地利用不同地理特征的高级语义特征和地理特征之间潜在的关联是地理主题学习任务中的一个关键任务。最近,深度学习在图像标注领域展示了强大的学习能力:直接从输入图像中进行抽象和迭代,使输出特征直接关联到原始图像,这种能力使深度学习在图像地理标注任务中有独特的优势。在深度学习模拟人类视觉进行特征学习时,借助于人类视觉注意机制优先处理图像中感兴趣区域这一机制,计算机能更快地发现和定位图像中有判别力的区域。本文将视觉注意机制引入深度学习中,首先在卷积神经网络中探索图像地理特征的学习和抽象,然后使用全局平均池化技术定位图像中有判别力的区域,提出了基于空间注意的空间激活图方法,从而在卷积神经网络中实现基于空间认知学习地理特征的任务,最后给出图像的相关地理标注。主要内容如下:1.基于人类的视觉认知机理,研究空间认知在计算机选择图像中有判别力的区域的过程中产生的影响。输出空间激活图,展示空间认知在卷积神经网络选择图像有判别力的区域的过程中产生的影响。2.综合各种深度学习的经验,设计一个深层卷积神经网络,并将视觉注意机制运用到网络模型的设计过程中,使网络从大规模的输入数据中自动地学习图像的地理特征,并结合全局平均池化技术,定位图像中有判别力的区域,最后实现对图像地理标注的输出。通过在TensorFlow开源框架下的实验分析,基于空间注意的卷积神经网络能够有效地提取图像中有识别力的区域,为图像的地理特征学习、识别和标注任务提供了一种新的研究思路。