无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期

无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期
在这里插入图片描述

滑坡检测数据集核心信息介绍

**
这个滑坡检测数据集主要用于目标检测任务,整体数据规模和细节都比较明确。从数量上看,数据集总共包含 1660 张图像

在这里插入图片描述

往期热门主题 主题搜两字"关键词"直达

代码数据获取:

获取方式:***文章底部卡片扫码获取***

覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类别,
覆盖各类项目场景(包括但不限于以下----欢迎咨询定制):

项目名称项目名称
基于YOLO+deepseek 智慧农业作物长势监测系统基于YOLO+deepseek 人脸识别与管理系统
基于YOLO+deepseek 无人机巡检电力线路系统基于YOLO+deepseek PCB板缺陷检测
基于YOLO+deepseek 智慧铁路轨道异物检测系统基于YOLO+deepseek 102种犬类检测系统
基于YOLO+deepseek 人脸面部活体检测基于YOLO+deepseek 无人机农田病虫害巡检系统
基于YOLO+deepseek 水稻害虫检测识别基于YOLO+deepseek 安全帽检测系统
基于YOLO+deepseek 智慧铁路接触网状态检测系统基于YOLO+deepseek 火焰烟雾检测系统
基于YOLO+deepseek YOLO+deepseek展示结果与矩形框坐标获取+界面制作基于YOLO+deepseek 水下海生物检测
基于YOLO+deepseek 智慧农业灌溉智能监测系统基于YOLO+deepseek 行人跌倒检测系统
基于YOLO+deepseek 无人机城市违建巡检系统基于YOLO+deepseek 面部口罩检测系统
基于YOLO+deepseek 交通标志检测识别基于YOLO+deepseek 智慧铁路隧道裂缝检测系统
基于YOLO+deepseek 苹果病害识别基于YOLO+deepseek 血细胞检测计数
基于YOLO+deepseek 无人机林业火情巡检系统基于YOLO+deepseek 舰船分类检测系统
基于YOLO+deepseek 肺炎诊断系统基于YOLO+deepseek 小麦害虫检测识别
基于YOLO+deepseek 反光衣检测预警基于YOLO+deepseek 智慧农业土壤墒情监测系统
基于YOLO+deepseek 车辆行人追踪系统基于YOLO+deepseek 车牌识别与管理系统
基于YOLO+deepseek 复杂环境船舶检测基于YOLO+deepseek 无人机巡检油气管道系统
基于YOLO+deepseek 裂缝检测分析系统基于YOLO+deepseek 玉米害虫检测识别
基于YOLO+deepseek 田间杂草检测系统基于YOLO+deepseek 智慧铁路列车部件缺陷检测系统
基于YOLO+deepseek 遥感地面物体检测基于YOLO+deepseek 人脸表情识别系统
基于YOLO+deepseek 木薯病害识别预防基于YOLO+deepseek 车辆追踪计数
基于YOLO+deepseek 野火烟雾检测基于YOLO+deepseek 手势识别系统
基于YOLO+deepseek 脑肿瘤检测基于YOLO+deepseek 无人机视角检测
基于YOLO+deepseek 玉米病害检测基于YOLO+deepseek 人员闯入报警
基于YOLO+deepseek 橙子病害识别基于YOLO+deepseek 水稻病害识别
基于YOLO+deepseek 行人追踪计数基于YOLO+deepseek 智慧农业农药精准喷洒引导系统
基于YOLO+deepseek 高密度人脸检测基于YOLO+deepseek 草莓病害检测分割
基于YOLO+deepseek 肾结石检测基于YOLO+deepseek 路面坑洞检测分割
基于YOLO+deepseek 水果检测识别基于YOLO+deepseek 200种鸟类检测识别
基于YOLO+deepseek 非机动车头盔检测基于YOLO+deepseek 葡萄病害识别
基于YOLO+deepseek 螺栓螺母检测基于YOLO+deepseek 智慧铁路道岔状态监测系统
基于YOLO+deepseek 焊缝缺陷检测基于YOLO+deepseek 无人机巡检光伏板缺陷系统
基于YOLO+deepseek 金属品瑕疵检测基于YOLO+deepseek 100种中草药识别
基于YOLO+deepseek 链条缺陷检测基于YOLO+deepseek 102种花卉识别
基于YOLO+deepseek 条形码检测识别基于YOLO+deepseek 100种蝴蝶识别
基于YOLO+deepseek 交通信号灯检测基于YOLO+deepseek 车牌检测识别系统
基于YOLO+deepseek 草莓成熟度检测基于YOLO+deepseek 吸烟行为检测
基于YOLO+deepseek 交通事故检测基于YOLO+deepseek 车辆行人检测计数
基于YOLO+deepseek 安检危险品检测基于YOLO+deepseek 西红柿成熟度检测
基于YOLO+deepseek 农作物检测识别基于YOLO+deepseek 危险驾驶行为检测
基于YOLO+deepseek 维修工具检测基于YOLO+deepseek 建筑墙面损伤检测
基于YOLO+deepseek 煤矿传送带异物检测基于YOLO+deepseek 老鼠智能检测
基于YOLO+deepseek 水面垃圾检测基于YOLO+deepseek 遥感视角船只检测
基于YOLO+deepseek 胃肠道息肉检测基于YOLO+deepseek 心脏间隔壁分割
基于YOLO+deepseek 半导体芯片缺陷检测基于YOLO+deepseek 视网膜疾病诊断
基于YOLO+deepseek 运动鞋品牌识别基于YOLO+deepseek X光骨折检测
基于YOLO+deepseek 遥感视角农田分割基于YOLO+deepseek 电瓶车进电梯检测
基于YOLO+deepseek 遥感视角房屋分割基于YOLO+deepseek CT肺结节检测
基于YOLO+deepseek 舌苔舌象检测诊断基于YOLO+deepseek 蛀牙检测识别
基于YOLO+deepseek 工业压力表智能读数基于YOLO+deepseek 肝脏肿瘤检测分割
基于YOLO+deepseek 脑肿瘤检测分割基于YOLO+deepseek 甲状腺结节分割
基于YOLO+deepseek 蔬菜检测识别基于YOLO+deepseek 水果质量检测
基于YOLO+deepseek 生活垃圾分类检测基于YOLO+deepseek 钢材表面缺陷检测
基于YOLO+deepseek YOLO+deepseek细胞标注与边缘识别+面积/灰度值计算基于YOLO+deepseek 霍夫变换车道线识别与车牌字符识别
基于YOLO+deepseek 低照度/弱光图像增强系统基于YOLO+deepseek YOLO+deepseek自训练数据教程项目
基于YOLO+deepseek YOLO+deepseek目标检测微调实战教程基于YOLO+deepseek 红绿灯识别与倒计时检测系统
基于YOLO+deepseek CNN卷积神经网络表情识别与情感分析基于YOLO+deepseek 人体姿态识别估计系统
基于YOLO+deepseek OpenCV图像模糊复原与去雾系统基于YOLO+deepseek YOLO+deepseek人体姿态估计与摔倒坐姿检测
基于YOLO+deepseek OpenCV手势识别与音量控制系统基于YOLO+deepseek YOLO+deepseek水果分类识别+PyQt交互式界面
基于YOLO+deepseek YOLO+deepseek火灾报警与烟雾检测系统基于YOLO+deepseek YOLO+deepseek安全帽和反光衣识别系统
基于YOLO+deepseek OpenCV深度学习低照度增强算法项目基于YOLO+deepseek YOLO+deepseek车辆行人检测+PyQt界面搭建
基于YOLO+deepseek 改进YOLO+deepseek无人机高空红外热数据小目标检测基于YOLO+deepseek 群养猪行为识别算法研究及部署(YOLO+deepseek)
基于YOLO+deepseek 骨龄检测系统(YOLO+deepseek+CNN+ResNet+PyQt)基于YOLO+deepseek OpenCV车道偏离预警系统
基于YOLO+deepseek YOLO+deepseek动物姿态识别与关键点检测基于YOLO+deepseek 心理健康问答系统(AIGC大模型+小程序)
基于YOLO+deepseek YOLO+deepseek多模态任务模型(目标+车道线+可行驶区域检测)基于YOLO+deepseek 车辆颜色检测识别+图像去雾去雨系统
基于YOLO+deepseek YOLO+deepseek智慧工地与重型机械检测系统基于YOLO+deepseek YOLO+deepseek绝缘子目标检测系统
基于YOLO+deepseek SAR图像船舶检测系统(YOLO+deepseek+UI界面)基于YOLO+deepseek YOLO+deepseek11/v10/v8/v5区域追踪监测系统
基于YOLO+deepseek YOLO+deepseek11/v10/v8/v5安全报警系统基于YOLO+deepseek YOLO+deepseek11pose锻炼监控计数系统
基于YOLO+deepseek 排队管理与人流量统计系统(YOLO+deepseek11)基于YOLO+deepseek 停车场管理系统(YOLO+deepseek8/v10/v11/v5)
基于YOLO+deepseek YOLO+deepseek智慧矿井智能识别系统基于YOLO+deepseek 自动驾驶极端天气(雾天)适配项目
基于YOLO+deepseek 智慧工地工程车检测系统(无人机视角)基于YOLO+deepseek 矿石运输船检测数据集训练实战项目
基于YOLO+deepseek 西瓜叶片病害自动识别与分类系统基于YOLO+deepseek 智慧农业病虫害智能检测系统

这些图像被分成了三个主要部分:训练集有 1364 张,是数量最多的部分,主要用于模型的训练学习;验证集 197 张,用来在训练过程中调整模型参数、验证效果;测试集 99 张,专门用于最终检测模型的性能评估。不过目前这三个数据集都还处于空集状态,需要后续上传数据填充。

在这里插入图片描述

类别方面,当前数据集中标注的类别比较简洁,从标注信息能看到,目前主要标注的类别以 “0” 来标识,结合 “滑坡检测” 的项目主题,这个 “0” 对应的应该就是 “滑坡泥石流” 类别,后续可能会根据需求增加更多相关类别。

在这里插入图片描述

数据格式上,图像和标注数据的格式都很清晰。图像方面,以其中一张 “759_jpg” 为例,分辨率是 640x480,大小 0.31MP,还支持 jpg、jpeg、png、bmp 等多种常见格式,方便不同场景使用。标注数据则有两种主要格式,原始标注采用 YoloDarknet 的 txt 格式,比如 “0 0.356250 0.616667 0.212500 0.400000”,包含类别和坐标信息;转换后是 JSON 格式,会明确列出图像 key、边界框(包括 label、x、y、width、height)以及图像宽高,这种格式更便于计算机读取和处理,也能和常见的目标检测模型兼容。

在这里插入图片描述


无人数据集汇总中,持续更新中

无人机 #数据集 #航拍数据集

Read more

小白也能懂的Z-Image-ComfyUI:零基础AI绘画入门指南

小白也能懂的Z-Image-ComfyUI:零基础AI绘画入门指南 1. 引言:为什么你需要一个简单高效的AI绘画工具? 在人工智能生成内容(AIGC)迅速普及的今天,文生图技术已经不再是科研实验室里的专属玩具。越来越多的设计师、内容创作者甚至普通用户都希望借助AI快速生成高质量图像。然而,面对复杂的模型配置、繁琐的环境依赖和晦涩的操作界面,许多初学者望而却步。 Z-Image-ComfyUI 正是在这一背景下应运而生——它基于阿里最新开源的大规模图像生成模型 Z-Image,结合可视化工作流平台 ComfyUI,打造了一个开箱即用、零门槛上手的AI绘画解决方案。无论你是完全没有编程经验的小白,还是想快速验证创意的设计爱好者,都可以通过这个镜像轻松实现“输入文字 → 输出图片”的完整流程。 本文将带你从零开始,一步步掌握 Z-Image-ComfyUI 的使用方法,并深入理解其背后的技术优势与实用功能。 2. Z-Image 模型简介:强大背后的三大变体 2.1 什么是 Z-Image? Z-Image 是阿里巴巴推出的一系列高性能文生图大模型,参数量高达 60亿(6

【教程】如何在WSL2:Ubuntu上部署llama.cpp

【教程】如何在WSL2:Ubuntu上部署llama.cpp

WSL2:Ubuntu部署llama.cpp llama.cpp 是一个完全由 C 与 C++ 编写的轻量级推理框架,支持在 CPU 或 GPU 上高效运行 Meta 的 LLaMA 等大语言模型(LLM),设计上尽可能减少外部依赖,能够轻松在多种后端与平台上运行。 安装llama.cpp 下面我们采用本地编译的方法在设备上安装llama.cpp 克隆llama.cpp仓库 在wsl中打开终端: git clone https://github.com/ggml-org/llama.cpp cd llama.cpp 编译项目 编译项目前,先安装所需依赖项: sudoapt update sudoaptinstall -y build-essential cmake git#

Stable-Diffusion-v1-5-archiveGPU算力成本分析:单图推理耗时与电费测算

Stable-Diffusion-v1-5-archive GPU算力成本分析:单图推理耗时与电费测算 你是不是也好奇,用Stable Diffusion v1.5 Archive生成一张图,到底要花多少钱?是几分钱,还是几毛钱?今天,我们就来算一笔实实在在的账。 很多人用AI画图,只关心效果好不好,却很少关注背后的“电费”。其实,对于个人开发者、小团队或者需要批量出图的朋友来说,了解每次推理的成本至关重要。这直接关系到你的预算规划、项目报价,甚至是选择本地部署还是云端服务的决策。 本文将带你深入分析Stable Diffusion v1.5 Archive这个经典模型在GPU上运行的真实成本。我们会通过实际测试,测量单张图片的生成耗时,再结合不同GPU的功耗和电费,计算出最直观的“单图成本”。无论你是想控制个人使用成本,还是评估项目可行性,这篇文章都能给你一个清晰的答案。 1. 测试环境与模型准备 在开始算账之前,我们先得把“秤”和“砝码”准备好。为了保证测试结果的准确性和可复现性,我们搭建了一个标准化的测试环境。 1.1

从语法纠错到项目重构:Python+Copilot 的全流程开发效率提升指南

从语法纠错到项目重构:Python+Copilot 的全流程开发效率提升指南

文章目录 * 从语法纠错到项目重构:Python+Copilot 的全流程开发效率提升指南 💻✨ * 一、语法纠错:Copilot 如何成为你的“实时校对员” ✅ * 示例 1:自动修复缩进错误 * 示例 2:括号/引号自动闭合与修复 * 示例 3:类型注解缺失的智能补充 * 实战技巧:结合 Linter 使用 Copilot * 二、代码生成:从单行补全到完整函数实现 🧠⚡ * 示例 4:用注释驱动函数生成 * 示例 5:生成单元测试 * 示例 6:异步 HTTP 请求生成 * 三、调试辅助:Copilot 如何帮你“读懂”错误信息 🐞🔍 * 场景:遇到 `KeyError` 怎么办? * 场景: