基于高分辨率多光谱影像的大规模城市环境单木检测
计算机视觉与模式识别
2024-07-04 v4
摘要
我们提出了一种利用高分辨率多光谱航空影像检测城市环境中单株树木的新型深度学习方法。我们使用卷积神经网络回归一张指示单木位置的置信度图，并通过峰值查找算法进行定位。我们的方法通过检测公共与私人空间中的树木提供完整的空间覆盖，并可扩展至极大区域。我们对方法进行了充分评估，支撑数据为一个涵盖八座城市、六个气候带和三个影像采集年份、包含逾 1,500 张影像与近 100,000 个树木标注的新数据集。我们在南加州数据上训练模型，并在该地区测试数据上取得 73.6% 准确率与 73.3% 召回率。推广至加州其他气候带与影像采集日期时，我们总体观察到相近准确率与略低召回率。我们利用该方法绘制了整个加州城市森林的树木分布图，并估算加州城市树木总数约为 4,350 万株。本研究显示了深度学习方法以空前规模支撑未来城市林业研究的潜力。
引用
@article{arxiv.2208.10607,
title = {Individual Tree Detection in Large-Scale Urban Environments using High-Resolution Multispectral Imagery},
author = {Jonathan Ventura and Camille Pawlak and Milo Honsberger and Cameron Gonsalves and Julian Rice and Natalie L. R. Love and Skyler Han and Viet Nguyen and Keilana Sugano and Jacqueline Doremus and G. Andrew Fricker and Jenn Yost and Matt Ritter},
journal= {arXiv preprint arXiv:2208.10607},
year = {2024}
}