​
带标注的山体滑坡识别数据集，识别率95.4%，1848张图，支持yolo，coco json，voc xml格式,文末有模型训练代码

模型训练指标参数：

模型训练图：

数据集拆分

总图数：1848 张图数
训练集

1617 张图

验证集

154 张图

测试集

77 张图

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

单个训练样本生成输出数量：3
翻转：水平翻转、垂直翻转
裁剪：最小缩放 0%，最大缩放 10%
饱和度调整：范围 -20% 至 +20%
噪声添加：最多对 1.53% 的像素添加噪点

数据集标签：

[landslide]

标签解释：山体滑坡

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92812782

yolo v12:https://download.csdn.net/download/pbymw8iwm/92812780

yolo v11:https://download.csdn.net/download/pbymw8iwm/92812779

yolo v9:https://download.csdn.net/download/pbymw8iwm/92812776

yolo v8:https://download.csdn.net/download/pbymw8iwm/92812775

yolo v7:https://download.csdn.net/download/pbymw8iwm/92812778

coco json:https://download.csdn.net/download/pbymw8iwm/92812781

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92812777

YOLO模型训练

下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py
​​

模型下载：

模型验证测试情况：

验证测试代码：

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2
 
# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径
 
# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径
 
# 使用模型对图片进行预测
results = model(image_path)
 
# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()
 
    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)
 
    # 等待按键退出
    cv2.waitKey(0)
 
    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()