مجموعة بيانات الكشف عن الأشجار عالية الدقة من AdaTreeFormer-Yoesmite Yosemite

تم إنشاء مجموعة البيانات هذه بواسطة جامعة تونغجي وكلية كينجز لندن في ورقة بحثية بعنوان "AdaTreeFormer: تكيف نطاق اللقطات القليلة لحساب الأشجار من صورة واحدة عالية الدقة"تم اقتراحه في"

تحتوي هذه الورقة على ثلاث مجموعات بيانات: مجموعة بيانات لندن، ومجموعة بيانات يوسمايت، ومجموعة بيانات جيانجسو.

تُعد مجموعة البيانات هذه مجموعة بيانات عالية الدقة لاكتشاف الأشجار في لندن.

• الموقع: منتزه يوسمايت الوطني، كاليفورنيا، الولايات المتحدة
• نوع المناظر الطبيعية: منطقة جبلية مشجرة
• متوسط عدد الأشجار في الصورة: 36
• إجمالي عدد الأشجار: 98,949
• دقة الصورة: 0.12 متر
• تقسيم البيانات: مجموعة التدريب: 1350 صورة، مجموعة الاختبار: 1350 صورة

تغطي مجموعة بيانات يوسمايت بشكل أساسي المناطق الجبلية المشجرة ذات الكثافة الشجرية المنخفضة والتضاريس المعقدة، مما يوفر بيئة اختبار مهمة لأداء النماذج في التضاريس المعقدة.

خلفية مجموعة البيانات

• أنواع الأشجار والتضاريس المتنوعة: الأنواع والأحجام والأشكال المختلفة للأشجار، فضلاً عن التضاريس المختلفة (على سبيل المثال، المناطق الحضرية، والأراضي الزراعية، والجبلية) تجعل تعداد الأشجار أكثر تعقيدًا.
• عدم وجود بيانات تدريب عالية الجودة: تعتمد نماذج التعلم العميق عادةً على كميات كبيرة من البيانات المصنفة، ولكن الحصول على هذه البيانات مكلف ويستغرق وقتًا طويلاً.
• مشكلة فجوة المجال: في مهمة تعداد الأشجار، يمكن للمشاهد المختلفة (مثل المناطق الحضرية والريفية)، وأنواع التصوير المختلفة (مثل الصور الجوية وصور الأقمار الصناعية)، وكثافات الأشجار المختلفة أن تؤدي إلى اختلافات كبيرة بين مجال المصدر ومجال الهدف.