論文の概要: SilvaScenes: Tree Segmentation and Species Classification from Under-Canopy Images in Natural Forests

• arxiv url: http://arxiv.org/abs/2510.09458v1
• Date: Fri, 10 Oct 2025 15:08:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:49.307035
• Title: SilvaScenes: Tree Segmentation and Species Classification from Under-Canopy Images in Natural Forests
• Title（参考訳）: シルバScenes:自然林の林冠下画像から樹木の区分と種分類
• Authors: David-Alexandre Duclos, William Guimont-Martin, Gabriel Jeanson, Arthur Larochelle-Tremblay, Théo Defosse, Frédéric Moore, Philippe Nolet, François Pomerleau, Philippe Giguère,
• Abstract要約: そこで我々はSilvaScenesについて紹介する。SilvaScenesは、樹種分類のための新しいデータセットで、アンダーキャノピー画像から木種を抽出する。 我々は、最近のディープラーニングアプローチのベンチマークによって、データセットの妥当性と難易度を実証する。 以上の結果から,木分割は容易であり,平均精度は67.65%と推定されるが,種の分類は35.69%に留まる。
• 参考スコア（独自算出の注目度）: 5.242069482545417
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interest in robotics for forest management is growing, but perception in complex, natural environments remains a significant hurdle. Conditions such as heavy occlusion, variable lighting, and dense vegetation pose challenges to automated systems, which are essential for precision forestry, biodiversity monitoring, and the automation of forestry equipment. These tasks rely on advanced perceptual capabilities, such as detection and fine-grained species classification of individual trees. Yet, existing datasets are inadequate to develop such perception systems, as they often focus on urban settings or a limited number of species. To address this, we present SilvaScenes, a new dataset for instance segmentation of tree species from under-canopy images. Collected across five bioclimatic domains in Quebec, Canada, SilvaScenes features 1476 trees from 24 species with annotations from forestry experts. We demonstrate the relevance and challenging nature of our dataset by benchmarking modern deep learning approaches for instance segmentation. Our results show that, while tree segmentation is easy, with a top mean average precision (mAP) of 67.65%, species classification remains a significant challenge with an mAP of only 35.69%. Our dataset and source code will be available at https://github.com/norlab-ulaval/SilvaScenes.
• Abstract（参考訳）: 森林管理のためのロボティクスへの関心は高まっているが、複雑な自然環境に対する認識は依然として大きなハードルとなっている。 重閉塞、変光、高密度植生などの条件は、精密林業、生物多様性監視、森林機器の自動化に欠かせない自動化システムに課題をもたらす。 これらのタスクは、個々の木の検出やきめ細かい種分類など、先進的な知覚能力に依存している。 しかし、既存のデータセットは、都市環境や限られた数の種に重点を置いているため、そのような認識システムを開発するには不十分である。 そこで我々はSilvaScenesについて紹介する。SilvaScenesは樹種を例示する新しいデータセットで、アンダーキャノピー画像から木種を抽出する。 カナダのケベック州の5つの気候領域にまたがって収集されたSilvaScenesは、24種の樹木1476本を林業の専門家の注釈で収録している。 我々は、最近のディープラーニングアプローチのベンチマークによって、データセットの妥当性と難易度を実証する。 以上の結果から,木分割は容易であり,平均精度は67.65%と推定されるが,種の分類は35.69%に留まる。 データセットとソースコードはhttps://github.com/norlab-ulaval/SilvaScenes.comで公開されます。

関連論文リスト

• Deep Learning for Automated Identification of Vietnamese Timber Species: A Tool for Ecological Monitoring and Conservation [2.1466764570532004]
  本研究では,ベトナムでよく見られる10種の木材の自動分類における深層学習の適用について検討した。 フィールドコレクトされた木材サンプルからカスタムイメージデータセットを構築し、5つの最先端の畳み込みニューラルネットワークアーキテクチャを評価した。 ShuffleNetV2は、99.29%、F1スコア99.35%の精度で、分類性能と計算効率の最良のバランスを達成した。
  論文  参考訳（メタデータ） (2025-08-13T02:54:58Z)
• BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [51.341003735575335]
  生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。 我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。 得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
  論文  参考訳（メタデータ） (2025-05-29T17:48:20Z)
• Deep learning-based ecological analysis of camera trap images is impacted by training data quality and quantity [11.153016596465593]
  アフリカのサバンナ(82,300枚、47種)とアジア亜熱帯乾燥林(40,308枚、29種)のカメラトラップ収集データの解析を行った。 専門家による種同定から得られた生態指標と深層学習分類モデルによる生態指標を比較した。 ディープラーニングモデルアーキテクチャの選択は、生態指標に影響を与えないことがわかった。
  論文  参考訳（メタデータ） (2024-08-26T15:26:27Z)
• PureForest: A Large-Scale Aerial Lidar and Aerial Imagery Dataset for Tree Species Classification in Monospecific Forests [0.0]
  木種分類用に設計された大規模でオープンなマルチモーダルデータセットであるPureForestデータセットを提案する。 樹種分類のための現在の一般のLidarデータセットは、ほとんどの場合、数十ヘクタールの注釈付きヘクタールの小さな領域にしか達しないため、多様性が低い。 対照的に、PureForestは18の樹種を13のセマンティッククラスに分類し、449の異なる単種林に339 km$2$で分布する。
  論文  参考訳（メタデータ） (2024-04-18T10:23:10Z)
• 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)
• SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
  本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。 ケニアでは低データのレシエーションを表すデータセットも提供しています。 リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
  論文  参考訳（メタデータ） (2023-11-02T02:00:27Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。