古建筑目标检测数据集 | 古建筑识别 目标检测 文物保护 YOLO格式 9213期
数据集概述
本数据集专注于古建筑整体结构及组件的视觉检测与识别，服务于古建筑保护、文物数字化建档及建筑遗产研究。数据涵盖五类古建筑相关目标，适配古建巡检、古建筑普查及自动化目标识别等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共5类（详见下方列表） |
| 数量 | 1971张图像 |
| 格式 | 图像为 JPG/PNG；标签为 YOLO 格式的 txt 文件（水平边界框） |
| 数据版本 | 2个版本 |
| 应用价值 | 1.古建普查：支撑古建筑及其构件的自动识别与分类，辅助建筑遗产编目。 2.文物保护：为古建筑状态评估与修缮提供数据基础。 3.数字化存档：为古建筑的三维建模与数字孪生提供目标级识别能力。 4.算法研发：为多类别目标检测、建筑遗产识别等视觉任务提供真实场景的训练与评测数据。 |
完整类别列表（共5类）
| 序号 | 中文类别名称 |
|---|---|
| 1 | 单体古建筑 |
| 2 | 斗拱构件 |
| 3 | 古建筑门楼 |
| 4 | 古建筑牌坊 |
| 5 | 塔类建筑 |
说明：原数据集中的类别缩写已在表中统一转换为中文释义，具体类别定义请以实际使用的标注文件为准。
数据三要素解析
类别与目标覆盖
- 数据集定义5类古建筑相关目标，覆盖建筑整体（单体古建筑、门楼、牌坊、塔）与关键构件（斗拱）。
- 类别设置兼顾了宏观建筑识别与微观构件检测，服务于古建筑的综合评估。
- 图像涵盖不同拍摄角度、光照条件下的古建筑外观。
数据规模与版本
- 图像总量约1971张，规模适中，能支撑多类别目标检测模型的训练。
- 数据集有2个版本，可能包含不同标注完善度或数据增强的迭代版本。
- 图像包含实景照片、建筑模型及邮票等多种形态的古建筑图像，场景多样性较强。
格式与结构
- 采用通用YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
- 图像与标签一一对应，数据结构规范，便于进行训练/验证集划分与预处理集成。
知识普及：古建筑目标检测的技术要点
- 尺度差异极大：从宏大的塔类建筑到局部的斗拱构件，目标尺度跨度大，需采用多尺度特征融合策略。
- 形态与结构复杂：古建筑的结构繁复（如飞檐、斗拱），轮廓不规则，对模型的边界提取能力要求较高。
- 背景干扰：古建筑多位于自然或城市环境中，背景包含树木、天空、现代建筑等，可能与目标混淆。
- 数据多样性：包含实景与邮票等非实景图像，有助于提升模型对不同图像风格和成像质量的泛化能力。
- 应用闭环：检测结果可导入古建筑GIS或BIM系统，用于建筑普查、状态评估与修缮规划，服务于建筑遗产的数字化保护。
快速开始（代码示例）
配置文件data.yaml示例（类别名称需替换为您实际使用的中文名称）：
train:./dataset/images/trainval:./dataset/images/valnc:5names:['单体古建筑','斗拱构件','古建筑门楼','古建筑牌坊','塔类建筑']启动 YOLOv8 训练：
fromultralyticsimportYOLO model=YOLO('yolov8m.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=16,device=0)标签
古建筑识别目标检测文物保护YOLO格式深度学习数据集计算机视觉
