Lidar-based Norwegian tree species detection using deep learning

要約

背景: ノルウェーの森林内の樹種のマッピングは時間のかかるプロセスであり、森林協会は専門家による手動のラベル付けに依存しています。
このプロセスには、航空画像、個人的な知識、または現場での参照、およびリモート センシング データの両方が含まれる場合があります。
最先端の手法では通常、セマンティック セグメンテーション手法を備えた高解像度の航空画像が使用されます。
方法: LIDAR (Light Detection And Ranging) データのみを利用した深層学習ベースの樹種分類モデルを提示します。
LIDAR 画像は、U-Net ベースのネットワークを使用して 4 つのクラス (ノルウェー スプルース、スコッツ パイン、バーチ、背景) にセグメント化されます。
モデルは、部分的な弱いラベルに対する焦点損失を使用してトレーニングされます。
このアプローチの主な利点は、LIDAR 画像とラベルのベース マップの両方に無料でオープンにアクセスできることです。
結果: 私たちの樹種分類モデルは、National Forest Inventory (NFI) の現場サンプルプロットによる独立した検証で、マクロ平均 F1 スコア 0.70 を達成しました。
これは航空モデル、または航空と LIDAR を組み合わせたモデルのパフォーマンスに近いものの、それを下回ります。

要約(オリジナル)

Background: The mapping of tree species within Norwegian forests is a time-consuming process, involving forest associations relying on manual labeling by experts. The process can involve both aerial imagery, personal familiarity, or on-scene references, and remote sensing data. The state-of-the-art methods usually use high resolution aerial imagery with semantic segmentation methods. Methods: We present a deep learning based tree species classification model utilizing only lidar (Light Detection And Ranging) data. The lidar images are segmented into four classes (Norway Spruce, Scots Pine, Birch, background) with a U-Net based network. The model is trained with focal loss over partial weak labels. A major benefit of the approach is that both the lidar imagery and the base map for the labels have free and open access. Results: Our tree species classification model achieves a macro-averaged F1 score of 0.70 on an independent validation with National Forest Inventory (NFI) in-situ sample plots. That is close to, but below the performance of aerial, or aerial and lidar combined models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google