FOR-species20K树种识别：ConvNeXtV2模型登顶并揭示跨源泛化高估

Jae Joong Lee 与 Bedrich Benes 提出多分辨率、多视角 ConvNeXtV2 模型，将 FOR-species20K 官方隐藏测试的树种分类准确率从 79.5% 提升至 85.0%，作者称在投稿时排名第一。代码已开源。 FOR-species20K 是最大的公开 LiDAR 树种分类基准，汇集 25 个独立采集的地面、移动与机载激光扫描数据集，覆盖 33 个物种。论文同时分析发现源数据集信息泄露会高估泛化能力：在 source-species-cell 留出设定下，仅评估 5,566 棵、在其他来源中保有相同 LiDAR 类型训练支持的八个物种的树时，未加权物种平均准确率从 82% 降至 36%，按树加权准确率从 95% 降至 60%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。