Dieser Datensatz wurde von der Tongji-Universität und dem King's College London in der Arbeit "AdaTreeFormer: Anpassung des Bereichs mit wenigen Aufnahmen für die Baumzählung aus einem einzelnen hochauflösenden Bild" wurde vorgeschlagen in der " Dieses Dokument enthält drei Datensätze: London-Datensatz, Yosemite-Datensatz und Jiangsu-Datensatz. Dieser Datensatz ist ein hochauflösender Datensatz zur Baumerkennung in London.

• Ort: Yosemite-Nationalpark, Kalifornien, USA
• Landschaftstyp: Waldiges Berggebiet
• Durchschnittliche Anzahl Bäume pro Bild: 36
• Gesamtzahl der Bäume: 98.949
• Bildauflösung: 0,12 m
• Datenaufteilung: Trainingsset: 1350 Bilder, Testset: 1350 Bilder Der Yosemite-Datensatz deckt hauptsächlich bewaldete Berggebiete mit geringer Baumdichte und komplexem Gelände ab und bietet eine wichtige Testumgebung für die Leistung von Modellen in komplexem Gelände.

Datensatzhintergrund

• Verschiedene Baumarten und Gelände: Verschiedene Arten, Größen und Formen von Bäumen sowie verschiedene Gelände (z. B. städtisch, Ackerland, bergig) erschweren das Zählen der Bäume.
• Fehlende qualitativ hochwertige Trainingsdaten: Deep-Learning-Modelle basieren normalerweise auf großen Mengen gekennzeichneter Daten, deren Beschaffung jedoch teuer und zeitaufwändig ist.
• Domänenlückenproblem: Bei der Baumzählaufgabe können unterschiedliche Szenen (z. B. städtisch und ländlich), unterschiedliche Bildtypen (z. B. Luftbilder und Satellitenbilder) und unterschiedliche Baumdichten zu erheblichen Unterschieden zwischen der Quelldomäne und der Zieldomäne führen.