[論文レビュー] OAM-TCD: A globally diverse dataset of high-resolution tree cover maps

Josh Veitch-Michaelis, Andrew Cottam+6 more|arXiv (Cornell University)|Jun 1, 2024

Remote Sensing in Agriculture被引用数 5

ひとこと要約

本論文は OAM-TCD を紹介します。これは 280k を超える個々の樹木と 56k のグループを含む、オープンアクセスの高解像度樹冠境界データセットです。基線モデルと、トレーニング/推論用のオープンなパイプラインも提供します。

ABSTRACT

Accurately quantifying tree cover is an important metric for ecosystem monitoring and for assessing progress in restored sites. Recent works have shown that deep learning-based segmentation algorithms are capable of accurately mapping trees at country and continental scales using high-resolution aerial and satellite imagery. Mapping at high (ideally sub-meter) resolution is necessary to identify individual trees, however there are few open-access datasets containing instance level annotations and those that exist are small or not geographically diverse. We present a novel open-access dataset for individual tree crown delineation (TCD) in high-resolution aerial imagery sourced from OpenAerialMap (OAM). Our dataset, OAM-TCD, comprises 5072 2048x2048 px images at 10 cm/px resolution with associated human-labeled instance masks for over 280k individual and 56k groups of trees. By sampling imagery from around the world, we are able to better capture the diversity and morphology of trees in different terrestrial biomes and in both urban and natural environments. Using our dataset, we train reference instance and semantic segmentation models that compare favorably to existing state-of-the-art models. We assess performance through k-fold cross-validation and comparison with existing datasets; additionally we demonstrate compelling results on independent aerial imagery captured over Switzerland and compare to municipal tree inventories and LIDAR-derived canopy maps in the city of Zurich. Our dataset, models and training/benchmark code are publicly released under permissive open-source licenses: Creative Commons (majority CC BY 4.0), and Apache 2.0 respectively.

研究の動機と目的

• RGB航空画像における樹冠境界デ delineation（TCD）のためのグローバルに多様で高解像度（10 cm/px）のデータセットを提供する。
• 1つのメタデータ空間でのセマンティックおよびインスタンス分割モデルの樹 mapping のベンチマークを、サブメートルスケールで可能にする。
• Biome stratified cross-validation を用いた生物群落や都市/自然環境間でのモデルの一般化を評価する。
• 大規模な正攝像データに対する TCD モデルのラベリング、トレーニング、評価のオープンソースツールを公開する。

提案手法

• OpenAerialMap からのグローバルな 10 cm/px RGB データセットを 2048x2048 タイルで組み立てる。
• 樹木および樹冠グループのセマンティックマスクと MS-COCO 風のインスタンスポリゴンを提供する。
• データセット上でベースラインのセマンティブセグメンテーションモデル（ResNet バックボーンを用いた UNet、SegFormer 系）とインスタンス分割モデル（Mask-RCNN）を訓練する。
• IoU、精度、F1 指標を用いた IoU、精度、F1 の評価と、 biome 分割の k-fold クロスバリデーション／ホールドアウトを実施する。
• 既存データセットとの比較、および Zurich 都市 canopy や LIDAR-derived canopy などの独立データでのテストを行う。
• トレーニング/予測パイプラインを Apache 2.0 の下で公開する。データセットを HuggingFace と MS-COCO 形式でホストする。

実験結果

リサーチクエスチョン

• RQ1 このグローバルに多様で高解像度の RGB データセットは、サブメートルスケールでのインスタンスレベルの樹冠 delineation を正確に可能にするか。
• RQ2 このデータセット上で、 biome-stratified 分割とホールドアウトデータを用いたセマンティックおよびインスタンス分割モデルの性能はどうなるか。
• RQ3 訓練済みモデルの独立した都市部および非都市部の像への一般化はどうなるか、また ground-truth 在庫や canopy maps と比較してどのようになるか。

主な発見

• OAM-TCD は 10 cm/px の 2048x2048 px タイル 5072 枚から構成され、280k を超える個々の樹木と 56k の樹冠グループの注釈を含む。
• SegFormer ベースのモデルが、検証クロスバリデーションおよびホールドアウト試験で最高の IoU および F1 スコアを達成した。
• Mask-RCNN を用いたインスタンス分割は、COCO ベンチマークと比較して競争力のある mAP50 のスコアを示す（ホールドアウトで約 41.8–43.2）。
• 都市部 canopy における Zurich LIDAR-derived canopy maps との強い一致を示す（tcd-segformer-mit-b5 で IoU 最大 0.791、精度 0.922、F1 0.883）。
• データセットとベースラインモデルはオープンに公開されており（CC BY 4.0 / Apache 2.0 ライセンス）、高解像度の樹木マッピングにおける基盤 EO モデルのゼロショット評価を可能にする。