简介航拍滑坡泥石流检测数据集是一套专门面向目标检测任务的地质灾害影像标注集合聚焦滑坡与泥石流两类目标适合计算机视觉方向的学生、研究人员及工程开发者用于模型训练、算法验证与课程设计实践。压缩包共约2000个文件核心内容包括VOC格式XML标注文件与说明TXT整体大小183.46MB可直接接入YOLO、Pascal VOC等常见训练流程。该数据集收录5619张432×432分辨率的航拍图片由labelImg工具完成矩形框标注其中滑坡标注16199框、泥石流标注1516框合计17715个目标框并经过数据增强处理样本形态更丰富。需注意数据未划分训练/验证/测试集用户应按任务自行切分同时参考目录内classes.txt以确定YOLO格式类别顺序。目前已有63人学习在滑坡泥石流检测、遥感影像识别及相关竞赛实践中这份数据能提供稳定、可复用的基础数据支撑。1. 从航拍图到灾情预警这份5619张的航拍滑坡泥石流检测数据集能省掉你两周的标注时间第一次拿到这份5619张的航拍滑坡泥石流检测数据集我第一反应不是解压而是先看标注格式。做过灾害遥感的人都知道航拍视角下的滑坡体和泥石流沟跟COCO里那些“人、车”完全不是一回事——目标边界被植被、阴影、裸露岩土搅在一起视觉特征极其不稳定。这份数据集同时给了VOC和YOLO两套标注意味着你既可以用传统检测流程做数据增强和二次修正也能直接丢进YOLOv8的训练管线跑通基线。它解决的是无人机航拍视角下地质灾害目标检测从零到一的落地问题适合做遥感识别、地质灾害监测预警、以及想拿一份“能直接训练”的数据集来练手YOLO的人。2. 双格式数据集的目录组织与标注解读VOC和YOLO两套产物一次弄清2.1 压缩包解压后的目录结构长什么样我是按“先看目录再看标注最后跑脚本”的顺序拆这份资源的。解压后通常会有两个顶层目录一个按VOC标准的Annotations、JPEGImages、ImageSets组织另一个是YOLO训练最常见的images和labels平铺结构。两个目录指向的是同一批图片区别只在标注文件的存储形式——XML与txt的差别。这种双格式设计在实际工程里非常省事。比如你想先用LabelImg或Roboflow做标注修订VOC的XML格式是这些工具的原生格式但你要用Ultralytics YOLOv8训练官方Train接口只认YOLO格式的txt不做任何转换。所以我拿到压缩包后会先做一件事确认两套标注的一致性防止VOC和YOLO版本是在不同时间点标注的导致某张图的类别或边界框对不上。提示先解压到不含中文、不含空格的路径下。Windows的OneDrive同步目录和中文路径会让YOLO读图时出一些非常隐性的路径报错后面排查起来很玄学。2.2 XML标注文件里藏着哪些关键信息VOC格式的XML标注核心字段就那几个。我用一个标准样例来说明annotation folderJPEGImages/folder filenameDJI_0123.jpg/filename size width1280/width height720/height depth3/depth /size object namelandslide/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin256/xmin ymin144/ymin xmax768/xmax ymax504/ymax /bndbox /object /annotation解析时重点看三处size里的宽高是否和实际图片尺寸一致这决定了YOLO坐标归一化的分母object的name是否在你预设的类别表里bndbox的四个坐标是否超出图片边界。航拍图片里飞手经常在云台上倾斜一点角度拍摄画面边缘会出现少量被裁切的目标这类目标的标注框往往越界直接拿去训练会让损失函数乱跳。2.3 把VOC格式转成YOLO格式一个可直接抄的转换脚本虽然这份资源已经给了YOLO格式的标注但实际使用中你难免会自己补标一些图或者从别的VOC数据源引入新样本。我每次都会把转换脚本固定放在tools/voc2yolo.py因为矢量边界框的转换逻辑里藏着一个很容易翻车的细节。import os import xml.etree.ElementTree as ET from pathlib import Path def voc2yolo(xml_path, class_names, img_w, img_h, out_txt_path): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_names: print(f跳过未知类别: {name} in {xml_path}) continue class_id class_names.index(name) box obj.find(bndbox) x_min float(box.find(xmin).text) y_min float(box.find(ymin).text) x_max float(box.find(xmax).text) y_max float(box.find(ymax).text) # 关键一步边界框越界裁剪 x_min max(0, min(x_min, img_w - 1)) x_max max(0, min(x_max, img_w - 1)) y_min max(0, min(y_min, img_h - 1)) y_max max(0, min(y_max, img_h - 1)) if x_max - x_min 0 or y_max - y_min 0: continue # 归一化到 0-1 dw 1.0 / img_w dh 1.0 / img_h x_center (x_min x_max) / 2.0 * dw y_center (y_min y_max) / 2.0 * dh w (x_max - x_min) * dw h (y_max - y_min) * dh lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(out_txt_path, w) as f: f.write(\n.join(lines)) if __name__ __main__: class_names [landslide, debris_flow] # 替换成你的类别名 VOC_ROOT ./VOCdevkit/Annotations OUT_ROOT ./labels for xml_name in os.listdir(VOC_ROOT): if not xml_name.endswith(.xml): continue xml_path os.path.join(VOC_ROOT, xml_name) # 实际项目中这里应该读取JPEG图片头获取真实宽高 voc2yolo(xml_path, class_names, img_w1280, img_h720, out_txt_pathos.path.join(OUT_ROOT, xml_name.replace(.xml, .txt)))转换逻辑里最容易出错的是坐标归一化时用的宽高。很多人直接从XML的size节点读取但如果图片被批量resize过而XML没有同步更新这个宽高就是错的。我一般会优先用PIL或cv2读图片头拿真实尺寸然后再做归一化。YOLO格式要求的是相对坐标归一化后数值理论上都在0到1之间如果出现负数或大于1说明裁剪逻辑没做好或者是原标注本身已经越界。注意脚本里的img_w和img_h是硬编码示例值实际使用时务必替换为每张图片的真实尺寸。这一步偷懒后面训练时的损失函数表现会很诡异。3. 训练前先做数据质检用三个脚本把脏数据挡在训练管线之外3.1 第一轮解析全部XML找出越界框和空标注文件把数据直接丢给YOLOv8训练之前我习惯先跑一轮质检脚本。航拍数据集的标注质量参差常见问题有空标注文件、越界坐标、类别名拼写不一致。这些问题不处理训练时你会看到损失曲线诡异地抖动却不知道源头在哪。import os import xml.etree.ElementTree as ET from PIL import Image def validate_voc_xml(xml_path, img_dir): tree ET.parse(xml_path) root tree.getroot() img_name root.find(filename).text img_path os.path.join(img_dir, img_name) problems [] with Image.open(img_path) as im: img_w, img_h im.size objs root.findall(object) if not objs: problems.append(f{xml_path}: 空标注) for obj in objs: name obj.find(name).text box obj.find(bndbox) x_min float(box.find(xmin).text) x_max float(box.find(xmax).text) y_min float(box.find(ymin).text) y_max float(box.find(ymax).text) if x_min 0 or y_min 0 or x_max img_w or y_max img_h: problems.append(f{img_name}: 越界框 x_min{x_min}, y_min{y_min}, x_max{x_max}, y_max{y_max}, 图像尺寸{img_w}x{img_h}) if x_max x_min or y_max y_min: problems.append(f{img_name}: 框宽高为非正值) return problems xml_root ./VOCdevkit/Annotations img_root ./VOCdevkit/JPEGImages for f in os.listdir(xml_root): if f.endswith(.xml): res validate_voc_xml(os.path.join(xml_root, f), img_root) for r in res: print(r)这个脚本里有两个容易被忽略的点。第一是Image.open打开后必须取size不能直接读XML里的width和height因为标注时的图片可能和最终训练用的图片不是同一份。第二是越界判断用了而不是因为像素坐标从0开始合法的x_max最大是img_w - 1但很多标注工具保存的边界就是img_w我做了容差处理具体看你的标注工具习惯。3.2 第二轮类别分布统计看样本不均衡到了什么程度灾害场景下类别不均衡是常态。一个区域滑坡体可能有几百处但泥石流沟可能只有几十处。如果你的类别分布是3:1甚至10:1模型会直接把泥石流学成滑坡的“背景变体”推理时漏检率居高不下。我写代码统计每个类别在不同图片中的框数量重点关注两类问题一是样本量过低的类别二是某些类别只在特定光照条件下出现。处理不均衡的思路是分层的样本量差在2倍以内用mosaic增强和随机翻转就能缓解超过5倍就要考虑复制粘贴增强或降采样多数类。但降采样多数类在灾害检测里要慎重——滑坡体形态差异极大从几百米的碎屑流到几十米的小型塌方降采样会直接丢失滑坡的形态多样性。我一般会先统计每个类别的“框数/图片数”比值而不仅是看图片总数。3.3 第三轮航拍影像的尺度陷阱——同场景大小目标混存航拍滑坡数据的特殊之处在于尺度跨度极大。同一张场景里可能有一个占据半幅画面的主滑坡体同时有几个几十像素宽的小型崩滑。YOLO系列对尺度变化是有一定容忍度的但前提是标注框的几何分布没有极端偏移。我做了个统计所有VOC标注框的面积占整图面积的比例如果大量目标框面积不足全图的0.5%训练时就需要把imgsz从默认640拉到1280否则那些小目标在特征图上的响应会弱到几乎消失。这一步的统计不需要写复杂脚本用上面质检逻辑里解析出的bbox数据算w * h / (img_w * img_h)分布直方图即可。如果发现中位数比例在0.01附近训练必须开多尺度增强且推理阶段要考虑切片推理。这类经验不写在任何官方文档里但直接影响模型在真实灾害现场的可用性。4. 用YOLOv8训练自己的滑坡识别模型参数配置、训练命令与高频踩坑4.1 生成dataset.yaml与数据划分YOLOv8的Train接口对数据组织方式有硬性要求images/train、images/val、labels/train、labels/val四级目录且每一张图片对应的txt标注文件名必须与图片名完全一致。这份数据集给的是平铺目录所以拿到的第一步就是按8:1:1切分训练、验证、测试集。切分时按图片粒度切不能按标注文件切否则会出现“图片在训练集标注在验证集”这种错位。# landslide.yaml path: D:/dataset/landslide_yolo # 数据集根目录建议写绝对路径 train: images/train val: images/val test: images/test nc: 2 names: 0: landslide 1: debris_flow这个yaml文件是整个训练配置里最容易被忽视的部分。path字段在Ultralytics 8.x版本的语义是“数据集根目录”它下面的train和val是相对路径。写成D:/dataset/landslide_yolo/images/train会让数据加载器去找D:/dataset/landslide_yolo/images/train/images/train直接报Dataset not found。我第一次跑时就在这个反直觉的路径拼接上卡了二十分钟。4.2 训练参数怎么定imgsz优先epochs次之基于对航拍小目标和尺度多样性的分析我会把重点压在imgsz和增强参数上。yolo detect train \ datalandslide.yaml \ modelyolov8n.pt \ imgsz1280 \ epochs60 \ batch8 \ workers4 \ device0 \ patience15 \ ampTrue \ mosaic1.0 \ scale0.9这里几个参数的选择逻辑说明一下。imgsz1280是因为第3.3节的尺度分布统计显示大量小目标如果显卡显存不足我一般把batch降到4优先保分辨率而不是保批次。scale0.9是Mosaic增强里的尺度抖动范围航拍目标尺度差异大这个值给高一些有利于模型学出尺度不变性。patience15是早停容忍度验证集mAP连续15轮不提升就停止防止过拟合并节省时间。yolov8n.pt是预训练权重从这里起步收敛速度比随机初始化快很多。训练日志里要盯的指标不是精度而是那个P精确率和R召回率的差距。如果P很高R很低说明模型把目标判得太严漏检会严重反过来R高P低则是虚检泛滥。灾害场景宁可虚检多一些也不能漏检因为漏检意味着实际滑坡发生在视野里却没被模型看到。4.3 训练环节四个高频坑从标注错误到BN崩溃这一节把我反复遇到并确认过原因的问题记在这里都是真金白银换来的经验。坑一验证集mAP纹丝不动训练loss却在降现象训练了30个epochloss稳步下降但val的mAP一直在一个低值附近震荡上不去。原因第一次用默认脚本切分数据时没有去重。航拍照片因为云台连拍同一场景会有大量视觉上几乎一致的重复帧随机切分后“同样的图”同时进训练集和验证集模型其实是拿训练集的记忆去猜验证集一旦验证集里出现没见过的角度精度就崩。解决切分之前先对全量图片计算感知哈希或直接比较文件字节数按相似度去重后再切。我后来在切分脚本里固定加一步MD5比对重复图片直接丢弃只保留时间戳最早的一张。坑二YOLO格式txt里出现负数坐标或大于1的数值现象训练日志输出WARNING: corrupt label或者Loss出现异常跳变。原因VOC转YOLO的脚本里没做边界裁剪和归一化校验原XML的bndbox本身就因为云台倾角和图片边缘裁切而越界转换后坐标直接带出非法值。解决在转换脚本里强制对坐标做clip(0, img_w-1)和clip(0, img_h-1)并在线写完后做一次范围检查式任何一个值不在0到1之间就直接报错退出。质检脚本跑一遍再进训练管线。坑三训练中途loss变成NaNBN层开始输出乱跳现象训练到第40轮左右loss直接变成NaN梯度炸掉。batch_size调小、epochs改短都无效。原因这是典型的BN崩溃表层是学习率过大深层是标注里混有极端长宽比的标注框——比如宽度只有2像素的细长条目标。YOLO的损失函数对这些极端样本会输出异常大的梯度BN层的统计量被污染整个网络就废了。解决先用第3章的质检脚本筛掉面积异常小和长宽比极端的框训练时加上ampFalse关闭混合精度同时把初始学习率从默认的0.01降到0.002。这类问题在灾害数据集上比在COCO上更容易出现因为泥石流的沟道在俯拍视角下就是细长条。坑四小目标漏检多虚检也多现象验证集上面积小于32x32像素的目标几乎全部漏检但模型对植被阴影的虚检却很多。放大到1280分辨率后有所改善但速度慢了一半。原因小目标在较深层的特征图上响应值太低网络直接把它当作背景纹理而植被阴影在航拍影像里跟泥石流的颜色、纹理高度相似模型在浅层特征上学到了错误的判别模式。解决两个方向同时做。训练时开强Mosaic和MixUp让模型在小目标周围获得更多上下文信息推理时用SAHI切片推理把大图切成512x512的重叠块逐块检测再NMS合并。后者能显著提升小目标召回率代价是推理耗时增加。如果部署端算力有限优先把训练分辨率拉高模型的泛化能力会先上一个台阶。5. 验证不止看mAP混淆矩阵、PR曲线和注意力热力图5.1 混淆矩阵里看漏检方向YOLOv8训练完成后批次输出目录下会有confusion_matrix_normalized.png。这张图的作用是被“平均”掉的mAP细节。灾害检测里要刻意看两个数字一是对角线上的主类召回率二是“背景类被预测成滑坡”的比例。如果后者偏高说明虚检主要来自背景噪声需要加难例挖掘或调整置信度阈值。混淆矩阵里的background列尤其值得看。如果大量滑坡目标被预测成背景说明模型对“非滑坡区域”的记忆过于宽泛这时该做的是降低标注里difficult1样本的比例或者增加被裁减边界目标的剔除逻辑。我在实际检验项目里发现单纯提升backbone深度对这类问题帮助有限问题更多出在训练数据的标注噪声。5.2 PR曲线的正确读法看曲线下面积曲线的拐点PR_curve.png的意义在于选择推理时的置信度阈值。灾害预警场景通常要求高召回我一般把阈值默认的0.25往下调到0.1—0.15。PR曲线右侧的召回率区间对应的精度降幅如果很大说明模型在“够到更多目标”时会引入大量虚检这时不要硬调阈值而是回去检查标注框是否把植被阴影或道路边缘误标成了滑坡。5.3 用注意力热力图定位模型是被什么特征“骗”了训练结束后的进阶验证方式是可视化。我会用yolov8_attention这类工具给验证集图片生成热力图明确模型是哪块区域决定检测结果的。滑坡场景里一个很有价值的观察点如果热力图高亮区域集中在滑坡体边缘的裸露土石——这是合理的如果高亮在整片山坡或者山脚阴影上说明模型用“大范围深色区域”作为判别依据这换一个光照条件就会翻车。5.4 把训练好的权重迁移到新区域只训最后两层效果反而好从这份数据集训练出的模型迁移能力比从COCO预训练直接起步强得多。我拿它去识别另一片山区的滑坡隐患点时做法是加载这份数据集训练出的权重作为预训练冻结backbone除最后两个stage以外的所有层只微调检测层和neck做的后几层学习率设成0.0005跑20个epoch。这样既保留了航拍视角下的底层特征又让模型快速适应新区域的岩土色调和植被覆盖差异效果比全量微调稳定也不容易过拟合到那片新区域里的少数样本上。从那以后我每次拿到新的灾害遥感数据集都会强制走一遍这条流程解压后先验XML质检再做类别分布统计然后用脚本测目标尺度分布最后才进YOLO训练。这套流程在三个地质灾害数据集上帮我避过了两次方向性的翻车效率提升比换再先进的模型都多。希望帮到你。本文还有配套的精品资源点击获取