滑坡检测数据集核心信息介绍
本数据集专为无人机遥感场景下的滑坡与泥石流目标检测设计，整体数据规模明确，细节清晰，适合用于计算机视觉模型的训练与评估。
数据规模与划分
数据集总共包含 1660 张图像。为了保障模型训练的稳定性与评估的准确性，数据被划分为三个主要部分：
- 训练集：1364 张，占比最大，用于模型参数学习与特征提取。
- 验证集：197 张，用于训练过程中调整超参数及监控过拟合情况。
- 测试集：99 张，专门用于最终检测模型的性能评估。
目前这三个子集结构已就绪，后续可根据需求补充更多样本。
类别定义
当前标注体系较为简洁，主要聚焦于地质灾害识别。从标注信息来看，标签 0 对应的是'滑坡泥石流'类别。在实际应用中，这一单一类别足以覆盖大部分山区灾害监测场景，后续也可根据具体业务需求扩展更多细分类型。
数据格式说明
图像文件
图像分辨率常见为 640x480（如示例中的 759_jpg），文件大小约 0.31MP。支持 jpg、jpeg、png、bmp 等多种常见格式，便于不同采集设备的数据接入。
标注文件
标注数据提供两种主流格式，兼容性强：
- YoloDarknet 格式：原始文本格式（
.txt），每行包含类别 ID 和归一化坐标信息。例如：0 0.356250 0.616667 0.212500 0.400000。 - JSON 格式：转换后的结构化数据，明确列出图像 key、边界框（label、x、y、width、height）以及图像宽高，便于程序读取处理。
应用场景建议
该数据集特别适合以下研究方向：
- 复杂地形下的地质灾害预警系统开发
- 无人机巡检算法的小目标检测优化
- 遥感影像语义分割与实例分割任务
