weecology/DeepForest

解决的问题

DeepForest 解决了在高分辨率航空 RGB 影像中识别和勾勒单个树冠及其他生态对象的挑战。它弥补了数据获取速度超过遥感调查中生物识别速度的差距，为生物多样性和林业调查提供了一个开源工具。

工作原理

DeepForest 是一个基于 torchvision 对象检测模块的 Python 包。它使用深度学习对象检测网络，预测 RGB 影像中单个树木和鸟类的边界框。该包提供了树冠和鸟类检测的预训练模型，用户可以通过标注并训练自定义模型，扩展适用于特定森林类型、传感器或空间分辨率的模型。

适用人群

需要在航空影像中自动化识别个体生物的生态学家、林业研究人员和环境监测专家。

主要亮点

• 自有的树冠和鸟类检测预训练模型。
• 基于 PyTorch 的 torchvision，简化自定义模型的训练与训练流程。
• 支持 RGB 影像用于生态对象检测。
• 开源实现，用于遥感中的冠层勾勒。