[논문 리뷰] OAM-TCD: A globally diverse dataset of high-resolution tree cover maps

Josh Veitch-Michaelis, Andrew Cottam외 6명|arXiv (Cornell University)|2024. 06. 01.

Remote Sensing in Agriculture인용 수 5

한 줄 요약

논문은 OAM-TCD를 소개합니다. 이는 280k개 이상의 개별 나무와 56k개 그룹을 포함하는 대규모 오픈 액세스 고해상도 수관 인 delineation 데이터셋과 기본 모델 및 개방형 학습/추론 파이프라인을 제공합니다.

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.

연구 동기 및 목표

• RGB 항공 영상에서 개별 나무 수관 delineation(TCD)을 위한 globally diverse하고 고해상도(10 cm/px) 데이터셋 제공
• 메타-분할 및 인스턴스 분할 모델의 서브미터 규모의 나무 매핑 벤치마킹 Enable
• Biome-층화 교차 검증을 사용하여 생태대(biome) 및 도시/자연 환경 간의 모델 일반화 평가
• 대규모 정사공간 직합 orthomosaic 영상에 대한 라벨링, 학습 및 평가를 위한 오픈 소스 도구세트 제공

제안 방법

• OpenAerialMap으로부터 2048x2048 타일의 글로벌 10 cm/px RGB 데이터셋 구성
• 나무 및 캐노피 그룹에 대한 시맨틱 마스크와 MS-COCO 스타일의 인스턴스 다각형 제공
• 데이터셋에서 기본 시맨틱 분할 모델(ResNet 백본의 UNet 계열; SegFormer 변형) 및 인스턴스 분할 모델(Mask-RCNN) 학습
• IoU, 정확도, F1 지표를 이용한 k-폴드 biome-층화 교차 검증 및 홀드아웃 분할로 모델 평가
• 기존 데이터셋과의 성능 비교 및 취득 데이터인 취리히 도시 캐노피, LIDAR 기반 캐노피 등에 대한 테스트
• Apache 2.0 하에 학습/예측 파이프라인 공개; HuggingFace 및 MS-COCO 형식으로 데이터셋 호스팅

실험 결과

연구 질문

• RQ1 전세계적으로 다양한 고해상도 RGB 데이터셋이 서브미터 규모의 인스턴스 수준 수관 delineation을 가능하게 하는가?
• RQ2 이 데이터셋에서 시맨틱 및 인스턴스 분할 모델의 생태대 구분별 분할 및 홀드아웃 데이터에서의 성능은 어떻게 나타나는가?
• RQ3 훈련된 모델의 독립적인 도시 및 비도시 영상에 대한 일반화는 어떠하며, 지상 진실 재고나 캐노피 맵과의 비교 결과는 어떠한가?

주요 결과

• OAM-TCD는 10 cm/px로 2048x2048 px의 5072개 타일로 구성되며 28만 개 이상의 개별 나무와 5.6만 개 캐노피 그룹에 대한 주석을 포함합니다.
• SegFormer 기반 모델이 교차 검증 및 홀드아웃 테스트에서 가장 높은 IoU와 F1 점수를 달성했습니다.
• Mask-RCNN 기반의 인스턴스 분할은 COCO 벤치마크와 비교해도 경쟁력 있는 mAP50 점수(홀드아웃에서 약 41.8–43.2) 를 보였습니다.
• 도시 캐노피에 대한 취리히 LIDAR 기반 캐노피 맵과 강한 일치를 보였으며(예: tcd-segformer-mit-b5에서 IoU 최대 0.791, 정확도 0.922, F1 0.883)
• 데이터셋과 기본 모델이 공개적으로 배포되어(CC BY 4.0 / Apache 2.0 라이선스) 고해상도 나무 매핑의 기초 EO 모델에 대한 제로샷 평가를 가능하게 합니다.