Dec, 2022

森林监测中的 AI 应用需要遥感基准数据集

PDF
TL;DR本文探讨了高分辨率遥感技术和人工智能在森林监测中的应用，并提出标准化数据集的需求，以加速该领域的发展。作者列举了一些大规模数据集作为基准，并呼吁开展一个代表性的基准项目来促进该领域的进步。
发现论文，激发创造
  • OpenForest：用于森林监测的机器学习数据目录

    通过机器学习方法，利用开放数据集进行大规模森林监测

    Nov, 2023

  • FoMo-Bench：一种多模态、多尺度和多任务的遥感基础模型森林监测基准

    森林监测的研究中，通过使用机器学习算法和遥感技术，整合多种感知模态的全球规模森林数据集，提出了首个统一的森林监测基准测试集（FoMo-Bench），包括多个森林监测任务，并引入了全球性的新数据集 TalloS，旨在激发机器学习和森林生物学研究者之间的合作。

    Dec, 2023

  • 多星时序图像中人工林识别数据集

    通过多模态数据和数据增强方法，利用卫星遥感技术实现全球范围内的森林监测，以保护和恢复森林生态系统，对生物多样性保护和碳封存至关重要。

    May, 2024

  • EarthNets：赋能地球观测中的人工智能

    本文综述了 400 多个公共数据集，包括土地利用 / 覆盖、变化 / 灾害监测、场景理解、农业、气候变化和天气预报。通过对数据集进行系统分析，我们基于其属性提出了评估标准，并发布了用于评估深度学习方法的新平台 EarthNets，从而弥合了遥感和机器学习社区之间的差距。

    Oct, 2022

  • PatternNet: 用于遥感图像检索性能评估的基准数据集

    本研究提供了一种新型用于遥感图像检索 (RSIR) 的大规模数据集称为 PatternNet, 同时对传统的手工特征方法和近期的深度学习方法进行了全面评估，以建立 PatternNet 基准测试结果作为未来遥感数据检索算法研究的基础。

    Jun, 2017

  • FOR-instance：一个用于个体树木的语义与实例分割的无人机激光扫描基准数据集

    FOR-instance 数据集为稠密机载激光扫描数据提供了一个基准数据集，旨在推进实例和语义分割技术并促进 3D 森林场景分割的进展。该数据集包含来自全球不同地点的五个精选和 ML-ready 的无人机激光扫描数据集，代表了不同的森林类型。

    Sep, 2023

  • 基于遥感图像的飓风后损坏建筑自动检测基准数据集

    本文旨在提供一种标准化的方法，以便从飓风灾后遥感影像中检测损坏建筑物，为此，研究人员利用先进的计算机视觉和遥感技术开发了基准数据集，并公开分享，以供研究人员进行相应的训练和测试。

    Dec, 2018

  • 基于真实数据的流式学习算法基准测试挑战

    本文提出了一个用于挑战流算法的公共数据存储库，其中包含来自文献的最受欢迎的数据集和与公共健康问题有关的新数据集，旨在缓解涉及流分类器和漂移检测器的实验性评估中的数据集选择问题，并对数据分布中不同类型变化及其导致的原因和问题进行了深入的讨论。

    Apr, 2020

  • 气候适应：从不平衡卫星数据中可靠地预测

    本文研究了如何处理在应用深度学习技术识别危机管理时，数据高度不平衡的情况，探讨了多种技术并提出了一套综合方法，旨在提高少数类别分类的性能和模型可靠性。

    Apr, 2020

  • GEO-Bench：地球监测基础模型

    本研究针对遥感任务的基础模型研究进行了探讨，提出了一种包括六项分类任务和六项分割任务的基准测试以及可靠的评估方法，并报告了二十种基线模型的结果，旨在推动地球监测领域的模型进展。

    Jun, 2023