論文の概要: ResAF-Net: An Anchor-Free Attention-Based Network for Tree Detection and Agricultural Mapping in Palestine

• arxiv url: http://arxiv.org/abs/2604.23653v1
• Date: Sun, 26 Apr 2026 10:47:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.483429
• Title: ResAF-Net: An Anchor-Free Attention-Based Network for Tree Detection and Agricultural Mapping in Palestine
• Title（参考訳）: ResAF-Net: パレスチナにおける樹木検出と農業地図作成のためのアンカーフリーアテンションベースネットワーク
• Authors: Rabee Al-Qasem,
• Abstract要約: 本稿では,資源制約条件下での大規模農業モニタリングのための衛星木検出フレームワークであるResAF-Netを提案する。 MillionTreesベンチマークでモデルをトレーニングし、82%のリコール、63.03%のmAP@0.50、35.47%のmAP@0.50:0.95をバリデーションスプリットで達成しました。 このモデルをGeoMolgのパレスチナのカダストラルデータと統合したWebベースのGISアプリケーションに実装し,シーン,パーセル,コミュニティレベルでのツリー解析を可能にした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable agricultural data is essential for food security, land-use planning, and economic resilience, yet in Palestine, such data remains difficult to collect at scale because of fragmented landscapes, limited field access, and restrictions on aerial monitoring. This paper presents ResAF-Net, a satellite-based tree detection framework designed for large-scale agricultural monitoring in resource-constrained settings. The proposed architecture combines a ResNet-50 encoder, Atrous Spatial Pyramid Pooling (ASPP), a feature-fusion stage, a multi-head self-attention refinement module, and an anchor-free FCOS detection head to improve tree localization in dense and heterogeneous scenes. Trained on the MillionTrees benchmark, the model achieved 82% Recall, 63.03% mAP@0.50, and 35.47% mAP@0.50:0.95 on the validation split, indicating strong sensitivity to tree presence while maintaining competitive localization quality. Beyond benchmark evaluation, we implemented the model within a web-based GIS application integrated with Palestinian cadastral data from GeoMolg, enabling tree analysis at scene, parcel, and community levels. This deployment demonstrates the practical feasibility of AI-assisted agricultural inventorying in Palestine. It provides a foundation for data-driven monitoring, reporting, and future species-level analysis of Mediterranean tree crops.
• Abstract（参考訳）: 信頼性の高い農業データは、食料安全保障、土地利用計画、経済的レジリエンスに不可欠であるが、パレスチナでは、断片化された景観、限られたフィールドアクセス、および空中監視の制限のため、大規模な収集が困難である。 本稿では,資源制約条件下での大規模農業モニタリングを目的とした衛星木検出フレームワークであるResAF-Netを提案する。 提案アーキテクチャは,ResNet-50エンコーダ,ASPP (Atrous Spatial Pyramid Pooling),機能融合ステージ,マルチヘッド自己アテンションリファインメントモジュール,およびアンカーフリーFCOS検出ヘッドを組み合わせて,高密度で異質なシーンでのツリーローカライゼーションを改善する。 MillionTreesベンチマークでトレーニングされたこのモデルは、82%のリコール、63.03%のmAP@0.50、35.47%のmAP@0.50:0.95のバリデーションスプリットを達成した。 ベンチマーク評価の他に、GeoMolgのパレスチナのカダストラルデータと統合されたWebベースのGISアプリケーションにモデルを実装し、シーン、パーセル、コミュニティレベルでのツリー分析を可能にした。 この展開は、パレスチナにおけるAI支援農業インベントリの実現可能性を示している。 データ駆動によるモニタリング、報告、地中海の樹木の種レベルの分析の基礎を提供する。

関連論文リスト

• PRUE: A Practical Recipe for Field Boundary Segmentation at Scale [50.194423500109025]
  本研究では,大域境界線決定のためのセグメント化と地理空間基盤モデル(GFM)を初めて体系的に評価する。 U-Netセマンティックセマンティックセグメンテーションモデルは、パフォーマンスとデプロイメントのメトリクスのスイートにおいて、インスタンスベースとGFMの代替よりも優れています。 我々のアプローチは、モデル設計、トレーニング、推論にまたがる、信頼性があり、スケーラブルで再現可能なフィールド境界記述のための実践的なフレームワークを提供します。
  論文  参考訳（メタデータ） (2026-03-28T02:47:46Z)
• VinePT-Map: Pole-Trunk Semantic Mapping for Resilient Autonomous Robotics in Vineyards [40.46631989657389]
  本稿ではVinePT-Mapについて紹介する。Vineトランクとサポートポールを永続的な構造的ランドマークとして活用するセマンティックマッピングフレームワークである。 提案手法は,GPS,IMU,RGB-D観測を頑健な幾何学的制約により統合し,因子グラフとしてマッピング問題を定式化する。 インスタンスのセグメンテーションと追跡に基づく効率的な知覚パイプラインと、外乱の拒絶と修正のポーズのためのクラスタリングフィルタを組み合わせることで、正確なランドマーク検出を可能にする。
  論文  参考訳（メタデータ） (2026-03-05T11:39:12Z)
• An Open Benchmark Dataset for GeoAI Foundation Models for Oil Palm Mapping in Indonesia [0.0]
  ヤシの栽培はインドネシアにおける森林伐採の主要な原因の1つとなっている。 本稿では,2020年から2024年までの高解像度衛星画像のラベル付けにより,インドネシアにおけるヤシのプランテーションおよび関連土地被覆のオープンアクセスデータセットを作成した。 このデータセットは、多角形の壁と壁のアノテーションを、さまざまな農業生態帯に提供し、オイルパームの植え付け段階を区別する階層型型と、同様の多年生作物を含む。
  論文  参考訳（メタデータ） (2025-09-10T05:59:00Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• Coconut trees detection and segmentation in aerial imagery using mask region-based convolution neural network [3.8902657229395907]
  深層学習のアプローチは、世界銀行がOpenMapとWeRoboticsと共同で提供している空中画像におけるココナッツトレーの検知とセグメンテーションのためのものである。 全体の91%がココナッツ樹検出の平均精度であった。
  論文  参考訳（メタデータ） (2021-05-10T13:42:19Z)

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。