基于多目标优化的生态监控提升：语义分割算法的新型数据集与方法
计算机视觉与模式识别
2024-08-14 v1
摘要
我们引入了一个独特的语义分割数据集，包含 6,096 张高分辨率航空图像，捕捉�大利亚新南威尔士州贝加 Valley 中的原生与入侵性草本植物，旨在解决计算机视觉社区中 underrepresented 的生态数据领域。由于草种的重叠与分布，本数据集 presents 挑战性任务，对于推进模型在生态和作物学应用中的发展至关重要。我们的研究采用基于同伪的多目标微调方法，平衡分割精度与情境一致性，可适用于各种模型。通过集成 DiceCELoss 进行像素级分类和平滑损失以实现空间连贯性，该方法在训练期间会演化以增强对噪声数据的鲁棒性。通过对 Segment Anything Model (SAM) 的案例研究，建立了性能基准。我们的注释方法强调笔刷大小、缩放控制和内存管理，确保了高质量数据集的创建。该数据集和代码将公开释放，旨在推动计算机视觉、机器学习和生态研究的发展，促进环境监控和可持续发展。
引用
@article{arxiv.2408.06356,
title = {Enhancing Ecological Monitoring with Multi-Objective Optimization: A Novel Dataset and Methodology for Segmentation Algorithms},
author = {Sophia J. Abraham and Jin Huang and Brandon RichardWebster and Michael Milford and Jonathan D. Hauenstein and Walter Scheirer},
journal= {arXiv preprint arXiv:2408.06356},
year = {2024}
}