RandCrowns：一种用于不精确标注树冠勾绘的定量指标

遥感中目标勾绘的监督方法需要带标签的地面真实数据。收集足够高质量的地面真实数据十分困难，尤其是当目标形状不规则或难以从背景或相邻目标中区分时。树冠勾绘可从遥感影像中为林业、生态和管理提供关键信息。然而，由于形状不规则、树冠重叠、阴影以及边缘模糊，遥感影像中的树冠往往难以标注。该领域还存在多种标注方式（例如矩形框与凸多边形），进一步加剧了标注的不精确性。然而，当前的评估方法未考虑标注中的这种不确定性，且用于评估的定量指标在不同标注者之间可能存在差异。在本文中，我们通过改进弱标注树冠勾绘的兰德指数（Rand index）来解决这些局限，称之为 RandCrowns。我们提出的 RandCrowns 评估指标提供了一种在考虑地面真实勾绘不精确性的同时恰当评估勾绘树冠的方法。RandCrowns 指标通过调整指数各项计算所覆盖的区域，来重构兰德指数，从而考虑不确定和不精确的目标勾绘标签。与常用的交并比（intersection over union）方法的定量比较显示，由多个标注者间差异产生的方差有所降低。结合定性示例，我们的结果表明，在树冠勾绘固有的标注不确定性与不精确性存在的情况下，RandCrowns 指标对目标勾绘的评分更为稳健。