ResAF-Net：针对巴勃斯坦农业地图的基于锚框-free 注意力网络
计算机视觉与模式识别
2026-04-28 v1 人工智能
摘要
可靠的农业数据对于粮食安全、土地利用规划和经济韧性至关重要，但在巴勃斯坦，由于碎片化的景观、有限的现场访问权限以及对空中监控的限制，此类数据在规模上难以收集。本文提出 ResAF-Net，一种为巴勃斯坦大规模农业监测设计的卫星基树木检测框架。该架构组合了 ResNet-50 编码器、空洞空域金字塔池化（ASPP）、特征融合阶段、多头自注意力细化模块，以及无锚框 FCOS 检测头，以提高密集且异构场景中树木的定位精度。在基于 MillionTrees 数据集训练后，模型在验证集上实现 82% 的召回率、63.03% 的 [email protected] 和 35.47% 的 [email protected]:0.95，表明在保持竞争定位质量的同时，对树木存在性具有强大的灵敏度。除基准评估外，我们将模型部署于基于 GeoMolg 所提供巴勃斯坦不动产数据的 Web-based GIS 应用中，实现了场景、地块和社区层面的树木分析。该部署表明了在巴勃斯坦实施 AI 辅助农业清查的可行性，为数据驱动的监测、报告以及未来物种层面分析奠定了基础。
引用
@article{arxiv.2604.23653,
title = {ResAF-Net: An Anchor-Free Attention-Based Network for Tree Detection and Agricultural Mapping in Palestine},
author = {Rabee Al-Qasem},
journal= {arXiv preprint arXiv:2604.23653},
year = {2026}
}