文章目录
- 石头行人及交通灾害YOLO目标检测数据集介绍
- 这是什么数据集？
- 数据集核心参数有哪些？
- 数据集目录结构是什么样？
- YOLO26训练启动代码示例是什么？
- 适合哪些使用者？
石头行人及交通灾害YOLO目标检测数据集介绍
这是什么数据集？
答案：石头行人检测数据集，总量300~400张，标准YOLO标注格式，一共6个类别，包含车辆、摩托、行人、石头、警示标识、滑坡，适配YOLOv5/v8/v11/v26训练，适合边坡道路灾害、落石风险识别科研与算法实验。
数据集核心参数有哪些？
项目 参数详情
图片总量 300~400张
标注格式 YOLO txt：class x_center y_center w h
类别数量 6类（nc:6）
类别清单 0:Car（车辆）、1:Motorcycle（摩托车）、2:People（行人）、3:shitou（石头）、4:Warning-Crash（警示标识）、5:landslide（滑坡）
适配框架 YOLOv5 / YOLOv8 / YOLOv11 / YOLOv26
适用场景 道路落石检测、边坡滑坡识别、风险目标监测、毕业设计、算法调优实验
数据集目录结构是什么样？
石头行人灾害检测/
├─ train/ │ ├─ images/ │ └─ labels/ ├─ valid/ │ ├─ images/ │ └─ labels/ └─ test/ ├─ images/ └─ labels/• 已经预先划分train/valid/test三个子集
• 图片与标签一一配对
• 配套yaml配置文件可直接加载启动训练
配套data.yaml（图中原版）
train:../train/images val:../valid/images test:../test/imagesnc:6names:['Car','Motorcycle','People','shitou','Warning-Crash','landslide']YOLO26训练启动代码示例是什么？
from ultralyticsimportYOLOif__name__=='__main__':model=YOLO("yolo26n.pt")model.train(data="data.yaml",epochs=100,imgsz=640,batch=4,device=0,workers=2)适合哪些使用者？
• 计算机、测绘、交通相关专业毕业设计、课程大作业
• 边坡落石、滑坡灾害视觉检测算法原型开发
• YOLO多类别目标检测训练、对比实验
• 野外道路风险目标识别、安防监测算法练习
FAQ
Q：数据集是否已经划分训练验证测试集？
A：是的，已经拆分train、valid、test，yaml路径已经写好，开箱可用。
Q：类别里shitou是中文拼音，需要修改吗？
A：标签id顺序和yaml保持一致即可；可以自行修改yaml内名称为中文“石头”，不影响训练。
Q：图片数量偏少，训练有什么建议？
A：样本量较小，建议开启mosaic增强、MixUp，使用预训练权重，防止过拟合。
Q：标注是分割还是检测框？
A：标准YOLO矩形框目标检测标注，无分割掩码。
业务说明
本资源为电子资料，网盘交付。数据集仅用于算法学习、毕业设计、科研实验；现场工程使用前需要扩充样本、验证泛化能力，使用者自行承担使用合规责任。
关键词：石头行人检测数据集、落石滑坡YOLO数据集、道路灾害目标检测、边坡风险识别数据集、YOLO6分类数据集、交通隐患检测数据集
#落石检测数据集 #滑坡数据集 #YOLO数据集 #行人车辆检测 #边坡灾害数据集
