SelvaBox: A high-resolution dataset for tropical tree crown detection

O artigo apresenta o SelvaBox, o maior conjunto de dados aberto para detecção de copas de árvores tropicais em imagens de drones, demonstrando que seu uso, seja isoladamente ou em treinamento conjunto, permite o desenvolvimento de modelos robustos com alto desempenho em diferentes cenários e resoluções.

O essencial

Imagine que você precisa contar todas as árvores de uma floresta tropical gigante, mas elas estão tão apertadas, misturadas e de tamanhos diferentes que é impossível ver cada uma delas de cima. É como tentar contar gotas de chuva em uma tempestade densa usando apenas uma foto.

Este artigo, apresentado na conferência ICLR 2026, apresenta uma solução brilhante chamada SELVABOX. Vamos descomplicar o que eles fizeram usando algumas analogias do dia a dia:

1. O Problema: A "Floresta Invisível"

As florestas tropicais são os "pulmões" do planeta, mas são muito difíceis de monitorar.

• O desafio: As árvores se sobrepõem, têm formatos estranhos e tamanhos variados (desde pequenas mudas até gigantes de 50 metros).
• A limitação antiga: Satélites são como câmeras de segurança de baixa resolução; eles veem a "mancha verde" da floresta, mas não conseguem distinguir uma árvore da outra. Já os drones (aviões sem piloto) são como lentes de aumento poderosas, mas até agora, faltava um "manual de instruções" (dados) para ensinar os computadores a usá-los.

2. A Solução: O "SelvaBox" (A Caixa de Brinquedos Definitiva)

Os pesquisadores criaram o SELVABOX, que é o maior conjunto de dados já feito para esse fim.

• A Analogia: Pense no SELVABOX como um gigantesco álbum de fotos de "Onde está Wally?", mas em vez de Wally, são árvores.
• O Tamanho: Eles reuniram mais de 83.000 árvores individualmente desenhadas (marcadas com caixas vermelhas) em fotos tiradas por drones em três países: Brasil, Equador e Panamá.
• A Qualidade: As fotos são tão nítidas que você consegue ver detalhes de 1,2 a 5 centímetros por pixel. É como olhar para a floresta de um helicóptero voando baixo, em vez de de um avião comercial.

3. O Treinamento: Ensinando o Computador a "Ver"

Antes do SELVABOX, os computadores eram como crianças tentando aprender a andar em um terreno desconhecido. Agora, com esse novo "livro didático":

• Resolução é Tudo: Eles descobriram que quanto mais perto o "olho" do computador está (maior resolução), melhor ele conta as árvores. É como tentar ler um livro: se a letra for muito pequena, você precisa de óculos (mais resolução) para não errar.
• O "Super-Herói" (DINO-Swin-L): Eles testaram vários "cérebros" de inteligência artificial. O vencedor foi um modelo chamado DINO com um "backbone" (espinha dorsal) chamado Swin-L.
  • Analogia: Imagine que os outros modelos eram como um detetive com uma lanterna fraca. O modelo DINO-Swin-L é como um detetive com óculos de visão noturna e um mapa 3D: ele consegue separar árvores que estão grudadas e identificar as pequenas e as grandes com facilidade.

4. A Magia: Generalização (Aprender uma vez, usar em todo lugar)

O maior trunfo do SELVABOX não é apenas contar árvores no Brasil, mas ensinar o computador a reconhecer árvores em qualquer lugar.

• O Teste de Fogo: Eles treinaram o modelo apenas com dados do SELVABOX e depois o jogaram em florestas que ele nunca viu (na Malásia, no Canadá, em áreas urbanas).
• O Resultado: O modelo funcionou incrivelmente bem! É como se você ensinasse uma pessoa a andar de bicicleta em uma trilha de montanha no Brasil, e depois ela fosse para a neve na Suíça ou para uma pista de corrida no Japão e ainda assim andasse perfeitamente. O modelo aprendeu a essência de uma árvore, não apenas a aparência de uma árvore específica.

5. Por que isso importa?

• Salvar o Planeta: Para combater as mudanças climáticas, precisamos saber exatamente quanto carbono as árvores armazenam. Contar árvores individualmente é o primeiro passo para medir isso com precisão.
• Fim do "Chute": Antes, os cientistas tinham que fazer estimativas grosseiras. Agora, com o SELVABOX e o código aberto que eles liberaram, qualquer pesquisador pode usar essas ferramentas para monitorar florestas, detectar desmatamento ilegal ou estudar a biodiversidade com precisão cirúrgica.

Resumo em uma frase:

Os autores criaram o maior "álbum de fotos" de árvores tropicais já feito, treinaram um supercomputador para reconhecê-las com precisão milimétrica e provaram que esse computador consegue "ler" florestas em qualquer lugar do mundo, ajudando a proteger nosso planeta de forma mais inteligente e rápida.

O que eles disponibilizaram?
Tudo! O conjunto de dados (fotos e desenhos), o código para treinar os modelos e os modelos prontos estão gratuitos na internet para que qualquer pessoa possa usar e melhorar a ciência ambiental.

Resumo técnico

1. O Problema

A detecção de copas de árvores individuais em florestas tropicais é fundamental para monitorar a biodiversidade, o estoque de carbono e os impactos das mudanças climáticas e intervenções humanas. No entanto, existem desafios significativos:

• Complexidade Visual: As florestas tropicais possuem alta diversidade de espécies, com copas de tamanhos, formas e texturas extremamente variáveis, frequentemente sobrepostas e entrelaçadas.
• Escassez de Dados: Embora existam conjuntos de dados para florestas temperadas, os dados anotados para florestas tropicais são raros, pequenos e muitas vezes de baixa resolução.
• Limitações de Sensoriamento: Imagens de satélite de alta resolução (0,3–0,5 m) são insuficientes para distinguir árvores em copas densas, e a cobertura de nuvens é frequente nos trópicos. O LiDAR é preciso, mas caro e pouco acessível para pesquisadores em países em desenvolvimento.
• Generalização: Modelos existentes (como DeepForest e Detectree2) apresentam desempenho pobre ao serem aplicados em cenários fora da distribuição (OOD) ou em diferentes resoluções e escalas espaciais.

2. Metodologia e Contribuições Principais

Os autores introduzem o SELVABOX, o maior conjunto de dados aberto para detecção de copas de árvores tropicais em imagens de drones de alta resolução, acompanhado de uma avaliação abrangente de modelos de detecção.

A. O Conjunto de Dados SELVABOX

• Escala e Cobertura: Contém 83.137 caixas delimitadoras (bounding boxes) manualmente anotadas, cobrindo mais de 470 hectares em três países neotropicais: Brasil (Floresta Amazônica Central), Equador (Reserva de Biosfera de Yasuní) e Panamá (Projeto Agua Salud).
• Resolução: Imagens RGB ortomosaicas com resolução de 1,2 a 5,1 cm/pixel, capturadas por quatro modelos diferentes de drones (DJI Mavic 3 Enterprise, Multiespectral, Pro e Mini 2).
• Anotação: Realizada por cinco biólogos treinados usando fotointerpretação em ArcGIS Pro. O processo incluiu validação rigorosa, uso de Modelos Digitais de Superfície (DSM) para distinguir copas adjacentes e protocolos para lidar com áreas de anotação incompleta (máscara de pixels em áreas esparsas).
• Divisão Espacial: Os dados foram divididos em conjuntos de treino, validação e teste de forma espacialmente separada (sem sobreposição de pixels) para evitar autocorrelação geoespacial e garantir uma avaliação realista.

B. Abordagem de Modelagem e Avaliação

• Arquiteturas Testadas: O estudo compara quatro abordagens de detecção de objetos:
  1. Faster R-CNN (com backbone ResNet-50).
  2. DeepForest (variante do RetinaNet).
  3. Detectree2 (Mask R-CNN).
  4. DINO (baseado em Transformers DETR, com backbones ResNet-50 e Swin-L).
• Métrica de Avaliação (RF175): Os autores propõem uma métrica inovadora chamada RF175 (Raster-level F1 score). Diferente das métricas por tile (como mAP), que sofrem com efeitos de borda e duplicação, o RF175 agrega as previsões de todos os tiles em um mapa raster completo usando Supressão de Não Máximo (NMS) e exige um limiar de Intersecção sobre União (IoU) de 75% para considerar uma detecção correta. Isso reflete melhor as necessidades operacionais de inventários florestais.
• Aumento de Dados Multi-Resolução: Foi desenvolvida uma pipeline de treinamento que utiliza cropping aleatório e redimensionamento para ensinar o modelo a ser invariante a diferentes resoluções (GSD) e extensões espaciais, permitindo o treinamento conjunto de dados heterogêneos.

3. Resultados Chave

A. Desempenho no SELVABOX (In-Distribution)

• Resolução e Arquitetura: A maior resolução de entrada (menor GSD) consistentemente melhorou a precisão. Modelos baseados em Transformers (DINO com backbone Swin-L) superaram significativamente os baseados em CNNs (Faster R-CNN, DeepForest).
• Efeito da Escala: Para o DINO-Swin-L, a resolução de 4,5 cm/px com tiles de 80x80m (1777x1777 pixels) alcançou o melhor desempenho, com um RF175 de 49,38.
• Multi-Resolução: Modelos treinados com aumento de dados multi-resolução alcançaram desempenho comparável aos modelos de resolução única no conjunto de dados SELVABOX, mas com a vantagem de generalizar melhor para resoluções não vistas durante o teste.

B. Generalização Fora da Distribuição (Zero-Shot)

• Desempenho em Florestas Tropicais: Modelos treinados exclusivamente no SELVABOX alcançaram desempenho State-of-the-Art (SOTA) em conjuntos de dados tropicais não vistos (BCI50ha e Detectree2), superando métodos existentes que foram treinados em dados tropicais anteriores.
  • No BCI50ha, o modelo DINO-Swin-L treinado apenas no SELVABOX atingiu 41,91 RF175, comparado a 34,97 do Detectree2-resize.
  • Em cenários zero-shot no SELVABOX, métodos existentes (como DeepForest) tiveram desempenho muito baixo (RF175 ~6-13), enquanto o modelo treinado no SELVABOX atingiu ~48.
• Generalização para Florestas Temperadas e Urbanas: Surpreendentemente, o treinamento no SELVABOX também melhorou o desempenho em dados não tropicais (QuebecTrees, NeonTreeEvaluation, OAM-TCD), demonstrando que a diversidade estrutural das florestas tropicais ajuda a criar modelos mais robustos e generalizáveis.
• Combinação de Dados: O modelo treinado com a combinação de SELVABOX + outros conjuntos de dados (N+Q+O+S) alcançou o melhor desempenho global em quase todos os conjuntos de dados avaliados.

4. Significado e Impacto

• Preenchimento de Lacuna Crítica: O SELVABOX resolve a escassez de dados anotados de alta qualidade para florestas tropicais, permitindo o desenvolvimento de modelos de IA mais robustos para essas regiões críticas para o clima global.
• Validação de Abordagens: O estudo demonstra que modelos baseados em Transformers (DINO) são superiores para a detecção de objetos de tamanhos altamente variáveis em florestas densas.
• Métrica Operacional: A introdução do RF175 oferece uma métrica mais fiel para a comunidade de sensoriamento remoto, focando na precisão do mapa final (raster) em vez de apenas em tiles individuais, o que é crucial para contagem de árvores e estimativa de biomassa.
• Acessibilidade e Reprodutibilidade: O artigo disponibiliza o conjunto de dados, o código de pré-processamento (geodataset), o repositório de treinamento (CanopyRS) e pesos pré-treinados sob licenças permissivas (CC-BY 4.0 e Apache-2.0), facilitando a pesquisa futura e a aplicação prática em monitoramento ambiental.

Em resumo, o trabalho estabelece um novo padrão para a detecção de copas de árvores tropicais, provando que grandes conjuntos de dados anotados manualmente, combinados com arquiteturas modernas de Transformers e métricas de avaliação apropriadas, podem superar significativamente os métodos atuais e generalizar bem para diversos ecossistemas.