Cet ensemble de données a été créé par l'Université Tongji et le King's College de Londres dans l'article «AdaTreeFormer : adaptation de domaine à quelques clichés pour le comptage d'arbres à partir d'une seule image haute résolution" a été proposé dans le "

Cet article contient trois ensembles de données : l'ensemble de données de Londres, l'ensemble de données du Jiangsu et l'ensemble de données de Yosemite.

Cet ensemble de données est un ensemble de données de détection d'arbres à haute résolution à Londres.

• Lieu : Londres, Angleterre
• Type de paysage : urbain, résidentiel, parc dense
• Nombre moyen d'arbres par image : 155
• Nombre total d'arbres : 95 067
• Résolution de l'image : 0,2 mètre
• Division des données : ensemble d'entraînement : 452 images, ensemble de test : 161 images

L'ensemble de données de Londres couvre une variété d'environnements urbains et résidentiels avec une densité d'arbres élevée et différentes formes et tailles d'arbres. Cette diversité fournit des échantillons riches pour la formation et les tests de modèles.

Contexte du jeu de données

• Différents types d’arbres et terrains : Différents types, tailles et formes d’arbres, ainsi que différents terrains (par exemple, urbains, agricoles, montagneux) rendent le comptage des arbres plus compliqué.
• Manque de données de formation de haute qualité : les modèles d’apprentissage en profondeur s’appuient généralement sur de grandes quantités de données étiquetées, mais ces données sont coûteuses et prennent du temps à obtenir.
• Problème d'écart de domaine : dans la tâche de comptage d'arbres, différentes scènes (telles que urbaines et rurales), différents types d'imagerie (tels que des images aériennes et des images satellites) et différentes densités d'arbres peuvent entraîner des différences significatives entre le domaine source et le domaine cible.