从近端激光扫描数据中分类树种：引入 FOR-species20K 数据集
计算机视觉与模式识别
2024-08-14 v1 人工智能
摘要
近端激光扫描为自动化森林数据采集提供了巨大潜力，但在没有额外地面数据的情况下自动识别树种仍面临挑战。深度学习（DL）有望实现自动化，但缺乏大规模、多样、公开可用的带标签的单树点云数据集，这影响了 DL 模型的鲁棒性以及建立树种分类最佳实践的能力。为克服这些挑战，我们创建了 FOR-species20K 基准数据集，包含来自 33 个树种的超过 20,000 个树点云，这些数据通过地面激光扫描（TLS）、移动激光扫描（MLS）和无人机激光扫描（ULS）在欧洲多个森林中采集，部分数据来自其他地区。该数据集支持对树种分类的 DL 模型进行基准测试，包括基于点云的方法（PointNet++、MinkNet、MLP-Mixer、DGCNN）和基于多视图图像的方法（SimpleView、DetailView、YOLOv5）。基于 2D 图像的模型平均总体精度（OA = 0.77）优于基于 3D 点云的模型（平均 OA = 0.72），且在不同扫描平台上结果一致。表现最佳的模型 DetailView 尤其稳健，能很好地处理数据不平衡，并在不同树大小上具有良好的泛化能力。FOR-species20K 数据集可在 https://zenodo.org/records/13255198 获取，是开发和基准测试使用激光扫描数据进行树种分类的 DL 模型的关键资源，为该领域的未来进展奠定了基础。
引用
@article{arxiv.2408.06507,
title = {Benchmarking tree species classification from proximally-sensed laser scanning data: introducing the FOR-species20K dataset},
author = {Stefano Puliti and Emily R. Lines and Jana Müllerová and Julian Frey and Zoe Schindler and Adrian Straker and Matthew J. Allen and Lukas Winiwarter and Nataliia Rehush and Hristina Hristova and Brent Murray and Kim Calders and Louise Terryn and Nicholas Coops and Bernhard Höfle and Samuli Junttila and Martin Krůček and Grzegorz Krok and Kamil Král and Shaun R. Levick and Linda Luck and Azim Missarov and Martin Mokroš and Harry J. F. Owen and Krzysztof Stereńczak and Timo P. Pitkänen and Nicola Puletti and Ninni Saarinen and Chris Hopkinson and Chiara Torresan and Enrico Tomelleri and Hannah Weiser and Rasmus Astrup},
journal= {arXiv preprint arXiv:2408.06507},
year = {2024}
}