weecology/DeepForest

解決的問題

DeepForest 解決了在高解析度航空 RGB 影像中識別與勾勒單一樹冠及其他生態對象的挑戰。它彌補了資料取得速度超過遙測調查中生物識別速度的差距，提供一個開源工具，用於生物多樣性與林業調查。

工作原理

DeepForest 是一個基於 torchvision 物件檢測模組的 Python 套件。它使用深度學習物件檢測網路，預測 RGB 影像中單一樹木與鳥類的邊界框。該套件提供樹冠與鳥類檢測的預訓練模型，使用者可透過標註並訓練自訂模型，擴展適用於特定森林類型、感測器或空間解析度的模型。

適用對象

需要在航空影像中自動化識別個體生物的生態學家、林業研究人員與環境監測專家。

主要亮點

• 自有的樹冠與鳥類檢測預訓練模型。
• 基於 PyTorch 的 torchvision，簡化自訂模型的訓練與訓練流程。
• 支援 RGB 影像用於生態對象檢測。
• 開源實作，用於遙測中的冠層勾勒。