StreetTree：面向细粒度树种分类的全球大规模基准数据集
计算机视觉与模式识别
2026-04-01 v2
摘要
街道树的细粒度分类是城市规划、街景管理以及城市生态系统服务评估的关键任务。然而，该领域的进展受限于缺乏专为街道树设计的大规模、地理上具有多样性且公开可获取的基准数据集。为解决这一关键性空白，我们引入了StreetTree，世界上首个专为细粒度街道树分类设计的大规模基准数据集。该数据集包含超过1200万张图片，覆盖超过8300种常见街道树种，来自133个国家，遍及五大洲的城市街景，并配有专家验证的观察数据。StreetTree 在复杂城市环境下对预训练视觉模型构成挑战，包括高种间视觉相似性、长尾自然分布、由季节变化引起的显著类内变异，以及多样化的成像条件，如光照、建筑遮挡以及不同摄像机角度。此外，我们提供分层分类学（门、科、属、种），以支持层次分类和表征学习研究。通过对各种视觉模型进行大量实验，我们建立了坚实的基线，揭示了现有方法在处理此类真实世界复杂性方面的局限性。我们相信StreetTree将成为推动计算机视觉与城市科学交叉领域新进展的关键资源。
引用
@article{arxiv.2602.19123,
title = {StreetTree: A Large-Scale Global Benchmark for Fine-Grained Tree Species Classification},
author = {Jiapeng Li and Yingjing Huang and Fan Zhang and Yu liu},
journal= {arXiv preprint arXiv:2602.19123},
year = {2026}
}