河流纵向连通性识别数据集4个标签（大坝、桥、滑坡、障碍） | 目标检测 | 自然环境

【河流纵向连通性识别数据集4个标签（大坝、桥、滑坡、障碍） | 目标检测 | 自然环境】

本数据集面向河流纵向连通性识别4个标签（大坝、桥、滑坡、障碍）场景的目标检测任务，涵盖12个检测类别，总计988张标注图像。数据集适用于自然环境领域的算法研究、模型训练与工程应用。

数据集概览

• 数据集名称：河流纵向连通性识别数据集4个标签（大坝、桥、滑坡、障碍）
• 任务类型：目标检测
• 图像总数：988 张
• 标注类别：12 类
• 标注格式：YOLO TXT（归一化坐标）
• 适用框架：YOLOv5 / YOLOv8 / YOLOv10 / RT-DETR
• 数据划分：训练集 / 验证集 / 测试集

检测类别与标注分布

本数据集包含12个检测类别，各类别标注分布如下：

• object（object）— 1,041 个标注实例
• json（json）— 463 个标注实例
• spalling（spalling）— 254 个标注实例
• material separation（material separation）— 239 个标注实例
• detachment（detachment）— 209 个标注实例
• damage（damage）— 178 个标注实例
• crack（裂纹）— 73 个标注实例
• reticular crack（reticular crack）— 46 个标注实例
• leak（泄漏）— 9 个标注实例
• exhilaration（exhilaration）— 6 个标注实例
• rebar（rebar）— 3 个标注实例
• efflorescence（efflorescence）— 3 个标注实例

技术规格

• 标注格式：YOLO TXT格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
• 数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
• 数据来源：Roboflow Universe 平台

应用场景

1. 环境监测与生态保护
2. 遥感影像分析
3. 自然资源调查

数据集特点

• 数据集包含 988 张标注图像，覆盖 12 个检测类别
• 标注格式为 YOLO TXT，坐标归一化至 [0, 1] 区间
• 适用于 YOLOv5 / YOLOv8 / YOLOv10 等主流目标检测框架
• 累计标注实例 2,524 个，标注质量高

获取方式

数据集持续整理中，如需获取请关注本站后续更新。

🏷️ 标签

#自然环境 #目标检测 #YOLO数据集 #深度学习 #计算机视觉