
该数据集由同济大学和伦敦国王学院在论文「AdaTreeFormer: Few shot domain adaptation for tree counting from a single high-resolution image」中提出。
该论文包含三个数据集:伦敦数据集、约塞米蒂数据集和江苏数据集。
该数据集为伦敦高分辨率树木检测数据集。
- 位置:美国加利福尼亚州约塞米蒂国家公园
- 景观类型:木质山区
- 每张图像的平均树木数量:36
- 总树木数量:98,949
- 图像分辨率:0.12 米
- 数据划分:训练集:1350 张图像, 测试集:1350 张图像
约塞米蒂数据集主要覆盖木质山区,树木密度较低且地形复杂,为模型在复杂地形中的性能提供了重要的测试环境。
数据集背景
- 多样化的树木类型和地形:不同类型、大小和形状的树木,以及不同的地形(如城市、农田、山区)使得树木计数变得更加复杂。
- 高质量训练数据的缺乏:深度学习模型通常依赖大量标注数据,但这些数据的获取成本高昂且耗时。
- 域间隙问题:在树木计数任务中,不同场景(如城市和农村)、不同成像类型(如航空影像和卫星影像)以及不同的树木密度等都会导致源域和目标域之间存在显著差异。
AdaTreeFormer-Yoesmite.torrent
做种 2正在下载 1已完成 72总下载次数 87