基于深度神经网络利用无人机影像检测退化的金合欢树种
计算机视觉与模式识别
2022-04-15 v1
摘要
基于深度学习的图像分类与目标检测已成功应用于树木监测。然而，对树冠和倒木的研究，尤其是在洪水淹没区域，仍基本未被探索。由于图像背景混杂于水、滩涂和自然植被区之间，在自然环境中检测退化树干具有挑战性。本文使用搭载嵌入式 RGB 相机的无人 aerial 飞行器（UAVs，即无人机）捕获肯尼亚纳库鲁湖周边六个指定样地中倒下的金合欢（Acacia Xanthophloea）树。受检测湖周倒木需求的驱动，采用了两种成熟的深度神经网络，即 Faster 基于区域的卷积神经网络（Faster R-CNN）和 Retina-Net 进行倒木检测。本研究使用了 256 x 256 图像块上三个类别的共计 7590 个标注。实验结果显示了深度学习在此情境下的相关性，其中 Retina-Net 模型取得了 38.9% 的精确率和 57.9% 的召回率。
引用
@article{arxiv.2204.07096,
title = {Detection of Degraded Acacia tree species using deep neural networks on uav drone imagery},
author = {Anne Achieng Osio and Hoàng-Ân Lê and Samson Ayugi and Fred Onyango and Peter Odwe and Sébastien Lefèvre},
journal= {arXiv preprint arXiv:2204.07096},
year = {2022}
}
备注
Accepted for publication in the ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences (online from July 2022)