Individual Tree Detection in Large-Scale Urban Environments using High-Resolution Multispectral Imagery

要約

高解像度のマルチスペクトル航空画像を用いた、都市環境における個々の樹木の検出のための新しいディープラーニング手法を紹介する。畳み込みニューラルネットワークを用いて、個々の樹木の位置を示す信頼度マップを回帰し、ピークファインディングアルゴリズムを用いて樹木の位置を特定する。本手法は、公共空間と私的空間の両方で樹木を検出することにより、完全な空間的カバレッジを提供し、非常に広い領域まで拡張することができる。我々は、8つの都市、6つの気候帯、3つの画像撮影年をカバーする、1,500枚以上の画像と約10万件の樹木注釈からなる新しいデータセットを用いて、本手法の徹底的な評価を行った。我々は南カリフォルニアのデータでモデルを訓練し、この地域のテストデータを用いて73.6%の精度と73.3%の想起率を達成した。他のカリフォルニアの気候ゾーンと画像撮影年に外挿した場合、概ね同様の精度と若干低い再現率を観察した。この手法を用いてカリフォルニアの都市林全体の樹木マップを作成し、カリフォルニアの都市樹木の総数を約4,350万本と推定した。我々の研究は、ディープラーニング手法が、これまでにないスケールで将来の都市林研究をサポートする可能性を示している。

要約(オリジナル)

We introduce a novel deep learning method for detection of individual trees in urban environments using high-resolution multispectral aerial imagery. We use a convolutional neural network to regress a confidence map indicating the locations of individual trees, which are localized using a peak finding algorithm. Our method provides complete spatial coverage by detecting trees in both public and private spaces, and can scale to very large areas. We performed a thorough evaluation of our method, supported by a new dataset of over 1,500 images and almost 100,000 tree annotations, covering eight cities, six climate zones, and three image capture years. We trained our model on data from Southern California, and achieved a precision of 73.6% and recall of 73.3% using test data from this region. We generally observed similar precision and slightly lower recall when extrapolating to other California climate zones and image capture dates. We used our method to produce a map of trees in the entire urban forest of California, and estimated the total number of urban trees in California to be about 43.5 million. Our study indicates the potential for deep learning methods to support future urban forestry studies at unprecedented scales.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL