論文の概要: FOR-instance: a UAV laser scanning benchmark dataset for semantic and
instance segmentation of individual trees
- arxiv url: http://arxiv.org/abs/2309.01279v1
- Date: Sun, 3 Sep 2023 22:08:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 20:22:30.897857
- Title: FOR-instance: a UAV laser scanning benchmark dataset for semantic and
instance segmentation of individual trees
- Title（参考訳）: FOR-instance: 個々の木のセマンティックスとインスタンスセグメンテーションのためのUAVレーザースキャンベンチマークデータセット
- Authors: Stefano Puliti, Grant Pearse, Peter Surov\'y, Luke Wallace, Markus
Hollaus, Maciej Wielgosz, Rasmus Astrup
- Abstract要約: FOR-instanceデータセットは、5つのキュレートされ、ML対応のUAVベースのレーザースキャンデータコレクションから構成される。
データセットは開発サブセットとテストサブセットに分割され、メソッドの進歩と評価が可能になる。
乳房高さデータへの直径の挿入は、古典的な木の変数の測定にその有用性を広げる。
- 参考スコア（独自算出の注目度）: 0.06597195879147556
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The FOR-instance dataset (available at
https://doi.org/10.5281/zenodo.8287792) addresses the challenge of accurate
individual tree segmentation from laser scanning data, crucial for
understanding forest ecosystems and sustainable management. Despite the growing
need for detailed tree data, automating segmentation and tracking scientific
progress remains difficult. Existing methodologies often overfit small datasets
and lack comparability, limiting their applicability. Amid the progress
triggered by the emergence of deep learning methodologies, standardized
benchmarking assumes paramount importance in these research domains. This data
paper introduces a benchmarking dataset for dense airborne laser scanning data,
aimed at advancing instance and semantic segmentation techniques and promoting
progress in 3D forest scene segmentation. The FOR-instance dataset comprises
five curated and ML-ready UAV-based laser scanning data collections from
diverse global locations, representing various forest types. The laser scanning
data were manually annotated into individual trees (instances) and different
semantic classes (e.g. stem, woody branches, live branches, terrain, low
vegetation). The dataset is divided into development and test subsets, enabling
method advancement and evaluation, with specific guidelines for utilization. It
supports instance and semantic segmentation, offering adaptability to deep
learning frameworks and diverse segmentation strategies, while the inclusion of
diameter at breast height data expands its utility to the measurement of a
classic tree variable. In conclusion, the FOR-instance dataset contributes to
filling a gap in the 3D forest research, enhancing the development and
benchmarking of segmentation algorithms for dense airborne laser scanning data.
- Abstract（参考訳）: for-instanceデータセット(https://doi.org/10.5281/zenodo.8287792)は、森林生態系の理解と持続可能な管理に不可欠である、レーザースキャンデータからの個々のツリーセグメンテーションの正確な課題に対処する。
詳細なツリーデータの必要性は高まっているが、セグメンテーションの自動化と科学的進歩の追跡は依然として困難である。
既存の方法論は、しばしば小さなデータセットに適合し、互換性が欠如し、適用性が制限される。
ディープラーニング手法の出現によって引き起こされる進歩の中で、標準化されたベンチマークはこれらの研究領域において最重要視されている。
本稿では,3次元森林シーンセグメンテーションの進展を推し進めることを目的とした,高密度空中レーザスキャンデータのベンチマークデータセットを提案する。
FOR-instanceデータセットは、5つのキュレートされたML対応UAVベースのレーザースキャンデータからなり、様々な森林タイプを表す。
レーザースキャンデータは、個々の木(インスタンス)と異なる意味クラス(茎、木質の枝、生きた枝、地形、低植生など)に手動で注釈付けされた。
データセットは、開発とテストのサブセットに分割され、特定の利用ガイドラインに従って、メソッドの進歩と評価を可能にする。
インスタンスとセマンティクスのセグメンテーションをサポートし、ディープラーニングフレームワークとさまざまなセグメンテーション戦略への適応性を提供する。
結論として,for-instanceデータセットは3dフォレスト研究のギャップを埋めることに貢献し,高密度空中レーザー走査データのセグメンテーションアルゴリズムの開発とベンチマークを強化している。
関連論文リスト
- Training point-based deep learning networks for forest segmentation with synthetic data [0.0]
我々は,人工林のシーンを手続き的に生成する現実的なシミュレータを開発した。
森林分断のための最先端の深層学習ネットワークの比較研究を行った。
論文 参考訳（メタデータ） (2024-03-21T04:01:26Z) - Forest Inspection Dataset for Aerial Semantic Segmentation and Depth
Estimation [6.635604919499181]
森林調査のための大規模航空データセットを新たに導入する。
現実世界と仮想的な自然環境の記録も含んでいる。
地域の森林破壊度を評価するための枠組みを開発する。
論文 参考訳（メタデータ） (2024-03-11T11:26:44Z) - SegmentAnyTree: A sensor and platform agnostic deep learning model for
tree segmentation using laser scanning data [15.438892555484616]
本研究は,様々なレーザー走査型に適用可能な深層学習モデルを用いて,ライダーデータにおけるツリークラウン(ITC)セグメンテーションを推し進める。
3次元森林景観解析におけるデータ特性の相違による伝達可能性の課題に対処する。
PointGroupアーキテクチャに基づくこのモデルは、セマンティックとインスタンスセグメンテーションのための別々のヘッドを持つ3D CNNである。
論文 参考訳（メタデータ） (2024-01-28T19:47:17Z) - Automated forest inventory: analysis of high-density airborne LiDAR
point clouds with 3D deep learning [16.071397465972893]
ForAINetは多様な森林タイプや地理的地域をまたいでセグメンテーションを行うことができる。
システムは、調査ドローンを使用して5つの国で取得されたポイントクラウドのデータセットであるFor-Instanceでテストされている。
論文 参考訳（メタデータ） (2023-12-22T21:54:35Z) - TreeLearn: A Comprehensive Deep Learning Method for Segmenting
Individual Trees from Ground-Based LiDAR Forest Point Clouds [42.87502453001109]
森林点雲のツリーインスタンスセグメンテーションのためのディープラーニングに基づくアプローチであるTreeLearnを提案する。
TreeLearnは、すでにセグメンテーションされたポイントクラウドにデータ駆動でトレーニングされているため、事前に定義された機能やアルゴリズムに依存しない。
我々は、Lidar360ソフトウェアを使って6665本の木の森林点雲上でTreeLearnを訓練した。
論文 参考訳（メタデータ） (2023-09-15T15:20:16Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z) - LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。
本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。
提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
論文 参考訳（メタデータ） (2022-10-14T19:13:36Z) - CvS: Classification via Segmentation For Small Datasets [52.821178654631254]
本稿では,分類ラベルをセグメントマップの予測から導出する小型データセットのコスト効率の高い分類器であるCvSを提案する。
我々は,CvSが従来の手法よりもはるかに高い分類結果が得られることを示す多種多様な問題に対して,本フレームワークの有効性を評価する。
論文 参考訳（メタデータ） (2021-10-29T18:41:15Z) - Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with
Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。
ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。
提案したモデルをCityscapesデータセット上で検証する。
論文 参考訳（メタデータ） (2021-08-28T01:33:38Z) - Three Ways to Improve Semantic Segmentation with Self-Supervised Depth
Estimation [90.87105131054419]
ラベルなし画像列からの自己教師付き単眼深度推定により強化された半教師付きセマンティックセマンティックセマンティックセマンティクスのフレームワークを提案する。
提案されたモデルをCityscapesデータセット上で検証する。
論文 参考訳（メタデータ） (2020-12-19T21:18:03Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳（メタデータ） (2020-08-11T19:10:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。