[論文レビュー] FOR-instance: a UAV laser scanning benchmark dataset for semantic and instance segmentation of individual trees

Stefano Puliti, Grant D. Pearse+5 more|arXiv (Cornell University)|Sep 3, 2023

Remote Sensing and LiDAR Applications被引用数 26

ひとこと要約

FOR-instanceデータセットは、個々の樹木の意味セマンティックおよびインスタンス分割のための手動注釈を伴う5つの厳選されたUAV LiDARコレクションを提供し、訓練/テストのベンチマークを可能にし、3D森林分析のためのDBHデータを含みます。

ABSTRACT

The FOR-instance dataset (available at https://doi.org/10.5281/zenodo.8287792) addresses the challenge of accurate individual tree segmentation from laser scanning data, crucial for understanding forest ecosystems and sustainable management. Despite the growing need for detailed tree data, automating segmentation and tracking scientific progress remains difficult. Existing methodologies often overfit small datasets and lack comparability, limiting their applicability. Amid the progress triggered by the emergence of deep learning methodologies, standardized benchmarking assumes paramount importance in these research domains. This data paper introduces a benchmarking dataset for dense airborne laser scanning data, aimed at advancing instance and semantic segmentation techniques and promoting progress in 3D forest scene segmentation. The FOR-instance dataset comprises five curated and ML-ready UAV-based laser scanning data collections from diverse global locations, representing various forest types. The laser scanning data were manually annotated into individual trees (instances) and different semantic classes (e.g. stem, woody branches, live branches, terrain, low vegetation). The dataset is divided into development and test subsets, enabling method advancement and evaluation, with specific guidelines for utilization. It supports instance and semantic segmentation, offering adaptability to deep learning frameworks and diverse segmentation strategies, while the inclusion of diameter at breast height data expands its utility to the measurement of a classic tree variable. In conclusion, the FOR-instance dataset contributes to filling a gap in the 3D forest research, enhancing the development and benchmarking of segmentation algorithms for dense airborne laser scanning data.

研究の動機と目的

• レーザスキャニングデータからの正確な個々の樹木分割の必要性に対処する。
• 密な3D森林景観におけるインスタンスおよびセマンティック分割を進展させるための、標準化されたML対応ベンチマークを提供する。
• グローバルな場所からの多様なUAVベースLiDARコレクションを提供し、一般化可能なベンチマークを支援する。
• 開発用とテスト用の分割を持つ評価プロトコルと利活用の実用的ガイドラインを提供する。
• 胸高直径(DBH)データを含め、古典的な樹木測定への有用性を拡張する。

提案手法

• 多様な森林タイプから5つのUAVベースのレーザースキャンデータセットをキュレーションする。
• データを個々の樹木インスタンスと意味クラス（例：幹、木質枝、生枝、地表、低層植生）に手動で注釈する。
• 使用ガイドライン付きでデータセットを開発用とテスト用のサブセットに分割する。
• データセットが深層学習フレームワークとさまざまな分割戦略（意味セマンティックおよびインスタンス）に適応できることを保証する。
• ベンチマークと3D森林景観分割の進展を促進するためのML対応データを提供する。

実験結果

リサーチクエスチョン

• RQ1 RQ1 UAVベース LiDARデータは、個々の樹木の信頼性の高いインスタンス分割のために効果的に注釈付けできるか？
• RQ2 RQ2 FOR-instanceデータセットは、多様な森林タイプにわたる意味セマンティックおよびインスタンス分割の評価をどのように支援するか？
• RQ3 RQ3 深層学習フレームワークをこのデータセットに効果的に適用して、密な3D森林景観分割を実現できるか？
• RQ4 RQ4 DBHデータの注釈付けは樹木レベルの分析と分割の有用性をどのように高めるか？

主な発見

• FOR-instanceデータセットは、ML駆動の分割に適した5つの厳選されたUAVベースのレーザースキャンコレクションを含みます。
• データは、樹木ごとのインスタンスおよび幹、木質枝、生枝、地表、低木などの意味クラスに手動で注釈されている。
• データセットは開発用とテスト用のサブセットに分割されており、手法の高度化と客観的評価を可能にする。
• さまざまな深層学習分割戦略とフレームワークに適応できるよう設計されている。
• DBHデータの含有は、分割タスクと併せて従来の樹木測定の有用性を広げる。