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 de Yosemite et l'ensemble de données du Jiangsu.

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

• Emplacement : Parc national de Yosemite, Californie, États-Unis
• Type de paysage : Zone montagneuse boisée
• Nombre moyen d'arbres par image : 36
• Nombre total d'arbres : 98 949
• Résolution de l'image : 0,12 m
• Division des données : ensemble d'entraînement : 1 350 images, ensemble de test : 1 350 images

L'ensemble de données Yosemite couvre principalement des zones montagneuses boisées avec une faible densité d'arbres et un terrain complexe, offrant un environnement de test important pour les performances des modèles sur des terrains complexes.

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.