遥感滑坡图像识别数据集 | 滑坡识别 遥感影像 语义分割 灾害监测 无人机航拍 目标检测 深度学习数据集 计算机视觉9172期数据集概述本数据集整合了来自九个典型滑坡多发地区的遥感数据涵盖高分卫星影像与无人机UAV航拍图像旨在为滑坡识别、清单绘制与语义分割任务提供高质量、多尺度、多场景的样本支持。数据集核心信息数据要素详细说明类别共1类滑坡数量20865张遥感图像数据量约8.55 GB格式图像为.tifTIFF格式标签为分类标签labels像素掩码masks分辨率0.2m、0.5m、0.6m、1.0m图像尺寸512×512像素波段类型RGB传感器PlanetScope、SuperView-1、GF-1、无人机航拍区域覆盖9 个典型滑坡灾区应用价值1.滑坡识别支撑滑坡区域的自动检测与定位辅助灾害监测。2.清单绘制为滑坡编目与制图提供标准化数据基础。3.语义分割支持像素级滑坡区域提取辅助灾害范围评估。4.算法研发为遥感语义分割、多尺度目标识别等视觉任务提供大规模训练与评测数据。数据三要素解析类别与目标覆盖数据集定义1个核心类别滑坡聚焦单一地质灾害目标便于快速部署与高精度识别。滑坡在遥感图像中通常表现为植被破坏、地表裸露、坡面形态突变等特征与周围稳定地形形成视觉差异。采用像素级掩码标注可精确勾勒滑坡边界支持面积、周长等几何参数计算。数据规模与多尺度图像总量达20865张规模充足能支撑深度学习模型的稳健训练。数据量约8.55 GB便于本地存储与管理。数据来源于9 个典型滑坡灾区覆盖多种地形与气候条件场景多样性丰富。分辨率涵盖0.2m 至 1.0m多个尺度适应不同遥感平台与应用需求。格式与结构图像为TIFF 格式保留地理信息便于GIS集成。同时提供分类标签labels与像素掩码masks支持分类与分割两类任务。图像尺寸统一为512×512适配主流语义分割框架。知识普及遥感滑坡识别与分割的技术要点多尺度挑战数据涵盖0.2m至1.0m分辨率滑坡在图像中的尺度差异显著需采用多尺度特征融合策略。背景干扰道路开挖、采石场、裸地等地表扰动与滑坡在视觉上相似模型需依赖上下文信息如地形坡度、周边植被状态进行区分。形态多样性滑坡可能呈舌状、阶梯状或不规则形态边缘模糊需模型具备较强的特征提取能力。语义分割优势相比目标检测边界框语义分割能精确勾勒滑坡轮廓支持面积、体积等定量分析。应用闭环分割结果可导入GIS系统结合地形数据与降雨信息构建滑坡风险评估与预警模型。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:1names:[landslide]启动 YOLOv8 语义分割训练fromultralyticsimportYOLO modelYOLO(yolov8m-seg.pt)model.train(datadata.yaml,epochs100,imgsz512,batch8,device0)标签滑坡识别遥感影像语义分割灾害监测无人机航拍目标检测深度学习数据集计算机视觉