hectorsin/treecrown

Tree Crown Model using satellite

Rescue Crew

해당 코드는 제주테크노파크에서 주관하는 2023년도 제주 위성데이터 활용 경진대회 출품작 RESCUE CREW 코드입니다.

• 주최 : 제주특별자치도
• 주관 : 제주테크노파크
• 운영 : 인공지능팩토리

1. 주제

2. 배경

3. 파일 설명 [Files]

1. data
   1. final_image (5) 이전 단계에서 만들어진 이미지들을 원래 형태대로 다시 합친 이미지를 저장한 폴더입니다. 결과적으로 최종 이미지는 해당 폴더에 저장됩니다.
   2. image_data - (2) input_image의 사진을 더 세부적인 학습을 위해 나눈 이미지입니다.
   3. input_image - (1) 처음 학습을 진행하기 위해 인공위성 사진을 넣는 폴더입니다.
   4. model_data - (*) 사전 학습한 모델을 넣어두는 폴더입니다.
   5. predictions - (3) 학습이 진행되면서 나무의 좌표들이 저장되는 파일입니다.
   6. result_pic - (4) 3에서의 좌표들을 반영해 나무 수와 나무 위치를 사진위에 그려 저장된 이미지들을 저장한 폴더입니다.
2. model
   1. _create_xml.py - XML 데이터를 조작하고 생성하는 역할.
   2. pic_crop.py - 학습에 맞는 형태로 사진을 조작하는 코드들이 들어간 파일입니다.
   3. predict_to_result.py - 학습을 진행하는 주요 모델 코드들이 들어간 파일입니다.
   4. run1.py - 첫번째 실행 코드
   5. run2.py - 두번재 실행 코드
   6. run3.py - 세번째 실행 코드
   7. xml_2_csv.py
3. static - 웹의 각 디자인 요소들을 담당하는 css 및 기타 파일들을 담은 폴더입니다.
4. templates - 웹의 각 페이지를 담당하는 html 파일들을 포함한 템플릿 폴더입니다.
5. app.py - Flask 웹 실행 파일입니다.
6. environment.yaml - conda 가상 환경 세팅값입니다.

4. Packages

5. Requirements

6. Reference

1. Individual Tree-Crown Detection and Species Identification in Heterogeneous Forests Using Aerial RGB Imagery and Deep Learning
2. Automated Individual Tree Detection and Crown Delineation Using High Spatial Resolution RGB Aerial Imagery
3. Tree Crown Detection and Delineation in a Temperate Deciduous Forest from UAV RGB Imagery Using Deep Learning Approaches: Effects of Spatial Resolution and Species Characteristics
4. Individual Tree Crown Segmentation and Crown Width Extraction From a Heightmap Derived From Aerial Laser Scanning Data Using a Deep Learning Framework
5. Accurate delineation of individual tree crowns in tropical forests from aerial RGB imagery using Mask R-CNN
6. Automated Individual Tree Detection and Crown Delineation Using High Spatial Resolution RGB Aerial Imagery
7. Cross-site learning in deep learning RGB tree crown detection