边坡落石图像数据集 道路落石数据集 AI自然灾害预警数据集

文章目录

• 石头行人及交通灾害YOLO目标检测数据集介绍
• • 这是什么数据集？
  • 数据集核心参数有哪些？
  • 数据集目录结构是什么样？
  • YOLO26训练启动代码示例是什么？
  • 适合哪些使用者？

石头行人及交通灾害YOLO目标检测数据集介绍

这是什么数据集？

答案：石头行人检测数据集，总量300~400张，标准YOLO标注格式，一共6个类别，包含车辆、摩托、行人、石头、警示标识、滑坡，适配YOLOv5/v8/v11/v26训练，适合边坡道路灾害、落石风险识别科研与算法实验。

数据集核心参数有哪些？

项目 参数详情 图片总量 300~400张 标注格式 YOLO txt：class x_center y_center w h 类别数量 6类（nc:6） 类别清单 0:Car（车辆）、1:Motorcycle（摩托车）、2:People（行人）、3:shitou（石头）、4:Warning-Crash（警示标识）、5:landslide（滑坡） 适配框架 YOLOv5 / YOLOv8 / YOLOv11 / YOLOv26 适用场景 道路落石检测、边坡滑坡识别、风险目标监测、毕业设计、算法调优实验

数据集目录结构是什么样？

石头行人灾害检测/

├─ train/
│ ├─ images/
│ └─ labels/
├─ valid/
│ ├─ images/
│ └─ labels/
└─ test/
├─ images/
└─ labels/

• 已经预先划分train/valid/test三个子集

• 图片与标签一一配对

• 配套yaml配置文件可直接加载启动训练

配套data.yaml（图中原版）

train: ../train/images
val: ../valid/images
test: ../test/images

nc: 6
names: ['Car', 'Motorcycle', 'People', 'shitou', 'Warning-Crash', 'landslide']

YOLO26训练启动代码示例是什么？

from ultralytics import YOLO

if __name__ == '__main__':
model = YOLO("yolo26n.pt")
model.train(
data="data.yaml",
epochs=100,
imgsz=640,
batch=4,
device=0,
workers=2
)

适合哪些使用者？

• 计算机、测绘、交通相关专业毕业设计、课程大作业

• 边坡落石、滑坡灾害视觉检测算法原型开发

• YOLO多类别目标检测训练、对比实验

• 野外道路风险目标识别、安防监测算法练习

FAQ

Q：数据集是否已经划分训练验证测试集？

A：是的，已经拆分train、valid、test，yaml路径已经写好，开箱可用。

Q：类别里shitou是中文拼音，需要修改吗？

A：标签id顺序和yaml保持一致即可；可以自行修改yaml内名称为中文“石头”，不影响训练。

Q：图片数量偏少，训练有什么建议？

A：样本量较小，建议开启mosaic增强、MixUp，使用预训练权重，防止过拟合。

Q：标注是分割还是检测框？

A：标准YOLO矩形框目标检测标注，无分割掩码。

业务说明

本资源为电子资料，网盘交付。数据集仅用于算法学习、毕业设计、科研实验；现场工程使用前需要扩充样本、验证泛化能力，使用者自行承担使用合规责任。 关键词：石头行人检测数据集、落石滑坡YOLO数据集、道路灾害目标检测、边坡风险识别数据集、YOLO6分类数据集、交通隐患检测数据集 #落石检测数据集 #滑坡数据集 #YOLO数据集 #行人车辆检测 #边坡灾害数据集