无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期

无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期
在这里插入图片描述

滑坡检测数据集核心信息介绍

**
这个滑坡检测数据集主要用于目标检测任务,整体数据规模和细节都比较明确。从数量上看,数据集总共包含 1660 张图像

在这里插入图片描述

往期热门主题 主题搜两字"关键词"直达

代码数据获取:

获取方式:***文章底部卡片扫码获取***

覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类别,
覆盖各类项目场景(包括但不限于以下----欢迎咨询定制):

项目名称项目名称
基于YOLO+deepseek 智慧农业作物长势监测系统基于YOLO+deepseek 人脸识别与管理系统
基于YOLO+deepseek 无人机巡检电力线路系统基于YOLO+deepseek PCB板缺陷检测
基于YOLO+deepseek 智慧铁路轨道异物检测系统基于YOLO+deepseek 102种犬类检测系统
基于YOLO+deepseek 人脸面部活体检测基于YOLO+deepseek 无人机农田病虫害巡检系统
基于YOLO+deepseek 水稻害虫检测识别基于YOLO+deepseek 安全帽检测系统
基于YOLO+deepseek 智慧铁路接触网状态检测系统基于YOLO+deepseek 火焰烟雾检测系统
基于YOLO+deepseek YOLO+deepseek展示结果与矩形框坐标获取+界面制作基于YOLO+deepseek 水下海生物检测
基于YOLO+deepseek 智慧农业灌溉智能监测系统基于YOLO+deepseek 行人跌倒检测系统
基于YOLO+deepseek 无人机城市违建巡检系统基于YOLO+deepseek 面部口罩检测系统
基于YOLO+deepseek 交通标志检测识别基于YOLO+deepseek 智慧铁路隧道裂缝检测系统
基于YOLO+deepseek 苹果病害识别基于YOLO+deepseek 血细胞检测计数
基于YOLO+deepseek 无人机林业火情巡检系统基于YOLO+deepseek 舰船分类检测系统
基于YOLO+deepseek 肺炎诊断系统基于YOLO+deepseek 小麦害虫检测识别
基于YOLO+deepseek 反光衣检测预警基于YOLO+deepseek 智慧农业土壤墒情监测系统
基于YOLO+deepseek 车辆行人追踪系统基于YOLO+deepseek 车牌识别与管理系统
基于YOLO+deepseek 复杂环境船舶检测基于YOLO+deepseek 无人机巡检油气管道系统
基于YOLO+deepseek 裂缝检测分析系统基于YOLO+deepseek 玉米害虫检测识别
基于YOLO+deepseek 田间杂草检测系统基于YOLO+deepseek 智慧铁路列车部件缺陷检测系统
基于YOLO+deepseek 遥感地面物体检测基于YOLO+deepseek 人脸表情识别系统
基于YOLO+deepseek 木薯病害识别预防基于YOLO+deepseek 车辆追踪计数
基于YOLO+deepseek 野火烟雾检测基于YOLO+deepseek 手势识别系统
基于YOLO+deepseek 脑肿瘤检测基于YOLO+deepseek 无人机视角检测
基于YOLO+deepseek 玉米病害检测基于YOLO+deepseek 人员闯入报警
基于YOLO+deepseek 橙子病害识别基于YOLO+deepseek 水稻病害识别
基于YOLO+deepseek 行人追踪计数基于YOLO+deepseek 智慧农业农药精准喷洒引导系统
基于YOLO+deepseek 高密度人脸检测基于YOLO+deepseek 草莓病害检测分割
基于YOLO+deepseek 肾结石检测基于YOLO+deepseek 路面坑洞检测分割
基于YOLO+deepseek 水果检测识别基于YOLO+deepseek 200种鸟类检测识别
基于YOLO+deepseek 非机动车头盔检测基于YOLO+deepseek 葡萄病害识别
基于YOLO+deepseek 螺栓螺母检测基于YOLO+deepseek 智慧铁路道岔状态监测系统
基于YOLO+deepseek 焊缝缺陷检测基于YOLO+deepseek 无人机巡检光伏板缺陷系统
基于YOLO+deepseek 金属品瑕疵检测基于YOLO+deepseek 100种中草药识别
基于YOLO+deepseek 链条缺陷检测基于YOLO+deepseek 102种花卉识别
基于YOLO+deepseek 条形码检测识别基于YOLO+deepseek 100种蝴蝶识别
基于YOLO+deepseek 交通信号灯检测基于YOLO+deepseek 车牌检测识别系统
基于YOLO+deepseek 草莓成熟度检测基于YOLO+deepseek 吸烟行为检测
基于YOLO+deepseek 交通事故检测基于YOLO+deepseek 车辆行人检测计数
基于YOLO+deepseek 安检危险品检测基于YOLO+deepseek 西红柿成熟度检测
基于YOLO+deepseek 农作物检测识别基于YOLO+deepseek 危险驾驶行为检测
基于YOLO+deepseek 维修工具检测基于YOLO+deepseek 建筑墙面损伤检测
基于YOLO+deepseek 煤矿传送带异物检测基于YOLO+deepseek 老鼠智能检测
基于YOLO+deepseek 水面垃圾检测基于YOLO+deepseek 遥感视角船只检测
基于YOLO+deepseek 胃肠道息肉检测基于YOLO+deepseek 心脏间隔壁分割
基于YOLO+deepseek 半导体芯片缺陷检测基于YOLO+deepseek 视网膜疾病诊断
基于YOLO+deepseek 运动鞋品牌识别基于YOLO+deepseek X光骨折检测
基于YOLO+deepseek 遥感视角农田分割基于YOLO+deepseek 电瓶车进电梯检测
基于YOLO+deepseek 遥感视角房屋分割基于YOLO+deepseek CT肺结节检测
基于YOLO+deepseek 舌苔舌象检测诊断基于YOLO+deepseek 蛀牙检测识别
基于YOLO+deepseek 工业压力表智能读数基于YOLO+deepseek 肝脏肿瘤检测分割
基于YOLO+deepseek 脑肿瘤检测分割基于YOLO+deepseek 甲状腺结节分割
基于YOLO+deepseek 蔬菜检测识别基于YOLO+deepseek 水果质量检测
基于YOLO+deepseek 生活垃圾分类检测基于YOLO+deepseek 钢材表面缺陷检测
基于YOLO+deepseek YOLO+deepseek细胞标注与边缘识别+面积/灰度值计算基于YOLO+deepseek 霍夫变换车道线识别与车牌字符识别
基于YOLO+deepseek 低照度/弱光图像增强系统基于YOLO+deepseek YOLO+deepseek自训练数据教程项目
基于YOLO+deepseek YOLO+deepseek目标检测微调实战教程基于YOLO+deepseek 红绿灯识别与倒计时检测系统
基于YOLO+deepseek CNN卷积神经网络表情识别与情感分析基于YOLO+deepseek 人体姿态识别估计系统
基于YOLO+deepseek OpenCV图像模糊复原与去雾系统基于YOLO+deepseek YOLO+deepseek人体姿态估计与摔倒坐姿检测
基于YOLO+deepseek OpenCV手势识别与音量控制系统基于YOLO+deepseek YOLO+deepseek水果分类识别+PyQt交互式界面
基于YOLO+deepseek YOLO+deepseek火灾报警与烟雾检测系统基于YOLO+deepseek YOLO+deepseek安全帽和反光衣识别系统
基于YOLO+deepseek OpenCV深度学习低照度增强算法项目基于YOLO+deepseek YOLO+deepseek车辆行人检测+PyQt界面搭建
基于YOLO+deepseek 改进YOLO+deepseek无人机高空红外热数据小目标检测基于YOLO+deepseek 群养猪行为识别算法研究及部署(YOLO+deepseek)
基于YOLO+deepseek 骨龄检测系统(YOLO+deepseek+CNN+ResNet+PyQt)基于YOLO+deepseek OpenCV车道偏离预警系统
基于YOLO+deepseek YOLO+deepseek动物姿态识别与关键点检测基于YOLO+deepseek 心理健康问答系统(AIGC大模型+小程序)
基于YOLO+deepseek YOLO+deepseek多模态任务模型(目标+车道线+可行驶区域检测)基于YOLO+deepseek 车辆颜色检测识别+图像去雾去雨系统
基于YOLO+deepseek YOLO+deepseek智慧工地与重型机械检测系统基于YOLO+deepseek YOLO+deepseek绝缘子目标检测系统
基于YOLO+deepseek SAR图像船舶检测系统(YOLO+deepseek+UI界面)基于YOLO+deepseek YOLO+deepseek11/v10/v8/v5区域追踪监测系统
基于YOLO+deepseek YOLO+deepseek11/v10/v8/v5安全报警系统基于YOLO+deepseek YOLO+deepseek11pose锻炼监控计数系统
基于YOLO+deepseek 排队管理与人流量统计系统(YOLO+deepseek11)基于YOLO+deepseek 停车场管理系统(YOLO+deepseek8/v10/v11/v5)
基于YOLO+deepseek YOLO+deepseek智慧矿井智能识别系统基于YOLO+deepseek 自动驾驶极端天气(雾天)适配项目
基于YOLO+deepseek 智慧工地工程车检测系统(无人机视角)基于YOLO+deepseek 矿石运输船检测数据集训练实战项目
基于YOLO+deepseek 西瓜叶片病害自动识别与分类系统基于YOLO+deepseek 智慧农业病虫害智能检测系统

这些图像被分成了三个主要部分:训练集有 1364 张,是数量最多的部分,主要用于模型的训练学习;验证集 197 张,用来在训练过程中调整模型参数、验证效果;测试集 99 张,专门用于最终检测模型的性能评估。不过目前这三个数据集都还处于空集状态,需要后续上传数据填充。

在这里插入图片描述

类别方面,当前数据集中标注的类别比较简洁,从标注信息能看到,目前主要标注的类别以 “0” 来标识,结合 “滑坡检测” 的项目主题,这个 “0” 对应的应该就是 “滑坡泥石流” 类别,后续可能会根据需求增加更多相关类别。

在这里插入图片描述

数据格式上,图像和标注数据的格式都很清晰。图像方面,以其中一张 “759_jpg” 为例,分辨率是 640x480,大小 0.31MP,还支持 jpg、jpeg、png、bmp 等多种常见格式,方便不同场景使用。标注数据则有两种主要格式,原始标注采用 YoloDarknet 的 txt 格式,比如 “0 0.356250 0.616667 0.212500 0.400000”,包含类别和坐标信息;转换后是 JSON 格式,会明确列出图像 key、边界框(包括 label、x、y、width、height)以及图像宽高,这种格式更便于计算机读取和处理,也能和常见的目标检测模型兼容。

在这里插入图片描述


无人数据集汇总中,持续更新中

无人机 #数据集 #航拍数据集

Read more

HarmonyOS 6.0+ APP AR文旅导览系统开发实战:空间定位与文物交互落地

一、引言 在当前文旅场景中,传统导览模式普遍存在讲解体验单一、互动性不足、信息传递碎片化等痛点——游客多依赖人工讲解或固定文字介绍,难以直观感受文物的历史背景与细节特征,且导览体验受时间、人力成本限制较大,无法满足个性化、沉浸式的游览需求。 HarmonyOS 6.0+ 搭载的增强版AR Engine的能力,结合其原生空间定位API的高精度优势,可有效打破传统导览的局限,实现AR场景与真实文旅环境的深度融合。本文核心开发目标为:构建一款基于HarmonyOS 6.0+ 的AR文旅导览APP,实现文物AR可视化展示、智能语音讲解、个性化导览路线规划等核心功能,打造沉浸式、互动式的文旅游览体验,推动文旅场景的数字化升级。 二、核心技术栈解析 本AR文旅导览系统的开发的核心技术栈围绕HarmonyOS 6.0+ 生态展开,聚焦空间定位、AR融合、文物交互三大核心需求,各技术模块协同支撑系统稳定落地,具体解析如下: 2.1 HarmonyOS AR Engine 增强版 作为系统核心支撑,HarmonyOS

ComfyUI ControlNet预处理器:让AI绘画从创意到成品的智能桥梁

ComfyUI ControlNet预处理器:让AI绘画从创意到成品的智能桥梁 【免费下载链接】comfyui_controlnet_aux 项目地址: https://gitcode.com/gh_mirrors/co/comfyui_controlnet_aux 还在为AI绘画中的人物姿势不自然、空间透视混乱而烦恼吗?🤔 ComfyUI ControlNet Auxiliary Preprocessors项目正是您需要的解决方案!这个强大的工具集通过智能预处理器,为您的AI绘画提供精准的结构化控制,让创意实现变得更加轻松高效。 为什么您需要ControlNet预处理器? 想象一下这样的场景:您想让AI生成一个特定姿势的动漫角色,但总是得到扭曲的手部或错位的关节。或者您想要一个具有真实景深的风景画,但AI总是无法理解远近关系。这正是ControlNet预处理器的用武之地! 预处理器的核心价值:将您的原始图像转化为AI能够理解的"结构蓝图",确保生成结果在姿势、深度、线条等方面完全符合您的预期。🎯 三大实用场景,解决您的创作痛点 场景一:精准控制人物姿势 当您需

IWR6843毫米波雷达 人员检测 论文阅读

IWR6843毫米波雷达 人员检测 论文阅读

文章目录 * 前言 * 文献基本内容 * 对使用雷达识别电力线的启发‌ 前言 最近看了一篇论文:使用雷达检测人体是否摔倒。 在电力线识别中,我们可以借鉴一下该论文中的一些方法。 文献基本内容 该论文的大致内容是:作者把雷达安装在实验室的侧壁上 或 实验室的顶部,来采集志愿者的数据。然后分别使用了 深度学习分类器(DL) 和 机器学习卷积神经网络(ML) 来分类和识别。最终结果表明,利用毫米波雷达开发一个跌倒的检测系统是可行的。 使用到的传感器:毫米波雷达 * 红外传感器 红外传感器可以准确识别人类活动并检测跌倒。然而,红外传感器对热源很敏 感,比如笔记本电脑、水壶或加热器,而毫米波雷达传感器则不受影响。 在该论文中,作者并没有详细说明红外传感器的布局位置,只是详细说明了毫米波雷达数据的处理方法以及实验结果。 作者表明在后续的实验中将会使用红外传感器提高识别的准确率 雷达 在该论文中,使用的是在60-64 GHz频率范围内工作的毫米波雷达。 德州仪器 WR6843SK-ODS 作为天线板。 德州仪器 MMWAVEICBOOST 作

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地

YOLO+OpenClaw+SAM微调实战:工业缺陷自动标注的低代码落地 不能实时,不代表不能用。微调SAM+云端部署,让工业标注从“人工描边”变“一键验收”。 大家好,我是AI小怪兽。上周有位做PCB质检的读者发来一段视频:标注员正对着一块电路板缺陷图,用鼠标一点点勾勒划痕的边界,一张图花了8分钟。他说:“YOLO能框,但框不准;SAM能分割,但通用模型到我们产线就水土不服。有没有办法让标注员少点鼠标?” 当然有。今天我就结合工业缺陷检测场景,展示一套低代码落地路径:YOLO粗定位 + 微调SAM精分割 + OpenClaw自动调度,让标注员从“动手画”变成“动口验收”。 一、工业自动标注的三道坎 坎1:OpenClaw无法实时推理 OpenClaw从接收指令到调用模型返回结果,5秒以上是常态。产线上的产品不可能等5秒,但标注任务可以——把数千张图丢给AI,让它半夜慢慢跑,员工早上来验收结果,不香吗? 坎2:边缘端算力要求大,且存在安全风险 OpenClaw调用大模型需要至少8GB显存,