SilvaScenes：自然森林林下图像中的树木分割与物种分类
计算机视觉与模式识别
2025-10-13 v1 人工智能
机器学习
机器人学
摘要
森林管理机器人研究兴趣日益增长，但在复杂自然环境中的感知仍是一个重大挑战。重度遮挡、可变光照和密集植被等条件对自动化系统构成困难，而这些系统对于精准林业、生物多样性监测和林业设备自动化至关重要。这些任务依赖先进的感知能力，如检测和细粒度树种分类。然而，现有数据集不足以开发此类感知系统，因为它们通常聚焦于城市环境或有限数量的物种。为此，我们提出了 SilvaScenes，一个用于从林下图像中进行树种实例分割的新数据集。该数据集采集于加拿大魁北克省的五个生物气候域，包含来自 24 个物种的 1476 棵树，并附有林业专家的标注。我们通过基准测试现代深度学习实例分割方法，展示了数据集的相关性和挑战性。结果表明，树木分割较为容易，平均精度均值（mAP）高达 67.65%，但物种分类仍然是一个重大挑战，mAP 仅为 35.69%。我们的数据集和源代码将在 https://github.com/norlab-ulaval/SilvaScenes 上公开。
引用
@article{arxiv.2510.09458,
title = {SilvaScenes: Tree Segmentation and Species Classification from Under-Canopy Images in Natural Forests},
author = {David-Alexandre Duclos and William Guimont-Martin and Gabriel Jeanson and Arthur Larochelle-Tremblay and Théo Defosse and Frédéric Moore and Philippe Nolet and François Pomerleau and Philippe Giguère},
journal= {arXiv preprint arXiv:2510.09458},
year = {2025}
}
备注
8 pages, 5 figures