MANGO：面向全球单日期成对数据集的 mangrove 分割
计算机视觉与模式识别
2026-01-27 v1 人工智能
摘要
红树林对于气候变化缓解至关重要，需要可靠的监测以有效保育。尽管深度学习已成为红树林检测的强大工具，但其进展受限于现有数据集的局限性。具体而言，许多资源仅提供年份地图产品，缺乏针对特定区域的单日期图像-掩码对，或 remains 无法公开获取。为此，我们引入 MANGO，一个规模庞大的全球数据集，包含 42,703 对标记好的图像-掩码对，覆盖 124 个国家。为构建此数据集，我们检索所有 2020 年红树林地区的 Sentinel-2 影像，并选取与红树林年份掩码一致的最佳单日期观测图像。该选择采用基于目标检测的方法，利用像素级坐标参考确保图像-掩码对具有自适应性和代表性。我们还提供了一个基准测试，在各国不相交的划分下，对 diverse semantic segmentation 架构进行评估，为可扩展且可靠的全球红树林监测奠定了基础。
引用
@article{arxiv.2601.17039,
title = {MANGO: A Global Single-Date Paired Dataset for Mangrove Segmentation},
author = {Junhyuk Heo and Beomkyu Choi and Hyunjin Shin and Darongsae Kwon},
journal= {arXiv preprint arXiv:2601.17039},
year = {2026}
}