FinnWoodlands Dataset

要約

【タイトル】FinnWoodlandsデータセット

【要約】
– 大規模かつ多様なデータセットの利用は自動運転や屋内アプリケーションにおいて重要な進展をもたらしているが、森林アプリケーションにおいては未だ遅れがある。
– 新しい森林データセットがあればデータ駆動型の手法の開発においても大きな進展が望める。
– 本論文では「FinnWoodlands」と呼ぶ森林データセットが紹介されている。
– RGBステレオ画像、ポイントクラウド、スパースな深度マップ、およびセマンティック、パノプティック、インスタンス・セグメンテーションのグランドトゥルース手動アノテーションが含まれる。
– FinnWoodlandsには、手動で4226のオブジェクトが注釈付けされている。うち2562個のオブジェクト（60.6％）は3つのインスタンス・カテゴリー、「スプルースの木」、「バーチの木」、「マツの木」に分類された。
– 木材以外にも、インスタンスとして「障害物」オブジェクトと、セマンティックスタッフクラス「湖」、「地面」、「トラック」がアノテーションされている。
– FinnWoodlandsは、環境のホリスティックな表現が重要である森林アプリケーションにおいて利用が可能である。
– インスタンス・セグメンテーション、パノプティック・セグメンテーション、深度補完の3つのモデルを用いた初期ベンチマークが提供され、非構造化の特定のシナリオにおける課題が紹介されている。

要約(オリジナル)

While the availability of large and diverse datasets has contributed to significant breakthroughs in autonomous driving and indoor applications, forestry applications are still lagging behind and new forest datasets would most certainly contribute to achieving significant progress in the development of data-driven methods for forest-like scenarios. This paper introduces a forest dataset called \textit{FinnWoodlands}, which consists of RGB stereo images, point clouds, and sparse depth maps, as well as ground truth manual annotations for semantic, instance, and panoptic segmentation. \textit{FinnWoodlands} comprises a total of 4226 objects manually annotated, out of which 2562 objects (60.6\%) correspond to tree trunks classified into three different instance categories, namely ‘Spruce Tree’, ‘Birch Tree’, and ‘Pine Tree’. Besides tree trunks, we also annotated ‘Obstacles’ objects as instances as well as the semantic stuff classes ‘Lake’, ‘Ground’, and ‘Track’. Our dataset can be used in forestry applications where a holistic representation of the environment is relevant. We provide an initial benchmark using three models for instance segmentation, panoptic segmentation, and depth completion, and illustrate the challenges that such unstructured scenarios introduce.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI