《表2 数据集1中各类树木的统计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Faster R-CNN的松材线虫病受害木识别与定位》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

棵

首先将研究区划分为训练区和测试区，如图1b所示，蓝色区域为训练区，红色区域为测试区。选择较大的区域作为训练区，是为了保证深度学习模型学习到足够多的特征信息。然后对训练区和测试区进行影像裁剪，人工对训练区内的受害木进行标注并裁剪图像（256×256，图像尺寸单位为像素，下同），在训练区共采集到1 283幅图像，按8∶2的比例将训练区的图像随机分成训练集和验证集，训练集包含1 026幅图像，验证集包含257幅图像。通过ArcGIS软件中的Split Raster工具将测试区的图像裁剪为256×256，共采集到279幅图像。由于其他枯死树和红色阔叶树的存在，故将这两种树木与受害木同时用于模型训练，则该数据集包括受害木、其他枯死树和红色阔叶树3类树木。在使用LabelImg软件制作与图像一一对应的可扩展标记语言（XML）文件时，将3种类型的树木都做上标记，将该数据集称为数据集1。此外，建立只包含受害木信息的数据集，即在制作XML文件时只对图像中受害木进行标记，将该数据集称为数据集2，用于验证在考虑了其他枯死树和红色阔叶树后是否有助于提高受害木的检测精度。数据集1中各类树木的统计情况如表2所示，除受害木外，研究区内的其他枯死树数量相对较多，而红色阔叶树数量较少，整个区域共标记2 102棵受害木、778棵其他枯死树和192棵红色阔叶树，而数据集2只包含表2中的受害木部分。