基于YOLOv11的山体滑坡检测分割模型-CSDN博客

本文链接：https://blog.csdn.net/QQ_1309399183/article/details/147766355

基于YOLOv11的山体滑坡检测/分割模型

项目概述

本代码库包含使用YOLOv11训练的山体滑坡检测模型。
在这里插入图片描述

🧠 模型说明

custom.pt

基于YOLOv11定制的专用模型
使用5,661张标注图像训练（山体滑坡检测专用）

yolov11n.pt

基于COCO数据集预训练的YOLOv11 nano模型
轻量级通用目标检测模型
推理速度快，但非地质灾害场景专用

📊 数据分布概览

山体滑坡数据集

训练数据：4,528张
验证数据：1,133张
🧮 总计：5,661张图像

🎥 检测演示

注：括号中的"Detection Demo"可译为"检测演示"或"识别效果展示"，根据实际展示内容选择更贴切的译法。如需强调分割功能，可补充说明"支持滑坡区域分割识别"。

分割训练流程

以下是关于使用YOLOv11训练分割数据集的完整指南，包含数据布置、格式转换和训练流程：

在这里插入图片描述

1. 数据集布置

YOLOv11分割任务需要同时包含目标检测框和分割掩码数据，目录结构建议如下：

dataset/
├── images/
│   ├── train/
│   │   ├── image1.jpg
│   │   └── ...
│   └── val/
│       ├── image2.jpg
│       └── ...
└── labels/
    ├── train/
    │   ├── image1.txt  # 检测框标签
    │   ├── image1.png  # 分割掩码（可选）
    │   └── ...
    └── val/
        ├── image2.txt
        ├── image2.png
        └── ...

2. 数据格式要求

(1) 检测框标签格式（.txt文件）

每行格式：class_id x_center y_center width height

坐标需归一化到0-1（相对于图像宽高）
例如：0 0.45 0.32 0.12 0.15

(2) 分割掩码格式

推荐使用PNG格式
单通道图像，像素值对应类别ID（0=背景，1=类别1，…）
或使用RGB彩色掩码（需指定颜色-类别映射）

3. 格式转换工具

(1) 从COCO格式转换

from pycocotools.coco import COCO
import cv2
import os

coco = COCO("annotations/instances_train2017.json")
cat_ids = coco.getCatIds()

for img_id in coco.getImgIds():
    img_info = coco.loadImgs(img_id)[0]
    img = cv2.imread(f"images/{img_info['file_name']}")
    h, w = img.shape[:2]

    # 生成YOLO格式标签
    ann_ids = coco.getAnnIds(imgIds=img_id)
    anns = coco.loadAnns(ann_ids)
    
    with open(f"labels/{img_info['file_name'].replace('.jpg', '.txt')}", "w") as f:
        for ann in anns:
            # 检测框转换
            x, y, bw, bh = ann['bbox']
            x_center = (x + bw/2) / w
            y_center = (y + bh/2) / h
            bw /= w
            bh /= h
            f.write(f"{ann['category_id']} {x_center} {y_center} {bw} {bh}\n")
            
            # 分割掩码转换（可选）
            mask = coco.annToMask(ann)
            cv2.imwrite(f"labels/{img_info['file_name'].replace('.jpg', '.png')}", mask)

(2) 从VOC格式转换

使用labelme2yolo工具：

pip install labelme
labelme2yolo --json_dir voc_annotations/ --output_dir yolo_labels/

4. 配置文件准备

创建data.yaml：

# 数据集配置
train: ../dataset/images/train
val: ../dataset/images/val

# 类别数量及名称
nc: 1  # 山体滑坡检测设为1
names: ['landslide']

# 分割任务需指定
segmentation: True  # 启用分割模式
mask_dir: ../dataset/labels  # 掩码路径

5. 训练命令

python train.py \
  --weights yolov11s.pt \
  --cfg models/yolov11s.yaml \
  --data data.yaml \
  --img 640 \
  --batch 16 \
  --epochs 100 \
  --device 0 \
  --name yolov11-landslide \
  --segmentation  # 关键参数：启用分割训练

6. 关键参数说明

参数	作用
`--segmentation`	启用分割训练模式
`--mask_dir`	指定掩码路径（若未在data.yaml中配置）
`--rect`	禁用矩形训练（分割任务需完整图像）
`--weights`	加载预训练权重（推荐官方COCO预训练模型）