城市洪水要素分割数据集 | 城市洪涝 语义分割 洪水要素 灾害监测 灾后评估 城市洪涝场景下的多类别地物与洪水要素的像素级语义分割9158期数据集概述本数据集专注于城市洪涝场景下的多类别地物与洪水要素的像素级语义分割服务于城市洪涝灾害监测、灾后评估及应急响应。数据涵盖22类城市地物与洪水相关目标适配无人机航拍巡检、灾害范围提取及城市洪涝智能分析等应用。数据集核心信息数据要素详细说明类别共22类详见下方列表数量5971张图像格式图像为 JPG/PNG分辨率1080×1920同时提供YOLO与VOC两种标注格式数据划分训练集4180张验证集1195张测试集596张应用价值1.城市洪涝监测支撑城市洪水淹没范围、破坏区域的自动化提取。2.灾后评估量化建筑、道路、车辆等要素的受淹情况辅助损失评估与重建规划。3.应急响应快速定位受淹区域与基础设施损毁情况指导救援力量部署。4.算法研发为城市洪涝语义分割、多类别地物识别等视觉任务提供大规模训练与评测数据。完整类别列表共22类序号英文名称中文释义图像数标注数1river_levee_level2河流堤坝146621862river_flood damaged area_level2河流洪水破坏区域182724913river_flood debris damaged area_level2河流洪水残骸破坏区域117218854river_dam_level2河流大坝504185river_bridge-pier_level2河流桥梁-桥墩8295986city_building_level2城市建筑93814607city_flood damaged area_level2城市洪水破坏区域333452608city_flood debris damaged area_level2城市洪水残骸破坏区域109419659city_car_level2城市汽车1021182510city_landslide_level2城市滑坡4261911city_person_level2城市人物833107712city_car traffic light_level2城市汽车交通灯61327713city_pedestrian traffic light_level2城市行人交通灯44222314city_traffic sign_level2城市交通标志44639615city_distance sign_level2城市距离标志41328016city_road_level2城市道路62863217common_telegraph pole_level2通用电线杆473119718common_flood damaged area_level2通用洪水破坏区域1850239219common_flood debris damaged area_level2通用洪水残骸破坏区域36072720common_street lamp_level2通用路灯41794221common_tree_level2通用树木458151022common_underpass_level2通用下穿通道845286数据三要素解析类别与目标覆盖数据集定义22类城市地物与洪水相关目标覆盖洪水要素类洪水破坏区域、洪水残骸破坏区域、基础设施类建筑、道路、桥梁-桥墩、堤坝、大坝、下穿通道、交通设施类汽车、交通灯、交通标志、距离标志、自然要素类树木、滑坡及市政设施类电线杆、路灯。类别设置覆盖了城市洪涝场景中的主要要素具有较强的系统性。类别命名后缀“_level2”表明这可能是一个多层级标注体系中的第二层级。数据规模与划分图像总量约5971张按约70:20:10比例划分为训练集4180张、验证集1195张与测试集596张划分规范。图像分辨率为1080×1920属高清竖版图像适合航拍或移动端采集场景。同时提供YOLO与VOC双格式标注灵活适配不同检测与分割框架。应用与扩展数据集可扩展用于多层级语义分割level1/level2联合分析、洪水淹没时序监测及灾后重建优先级评估。可结合地理信息系统GIS生成城市洪涝分布图辅助应急指挥与城市规划。数据可迁移至其他城市洪涝场景的分割任务进行微调适配。知识普及城市洪涝语义分割的技术要点类间相似性挑战洪水破坏区域与洪水残骸破坏区域在视觉上可能相近城市建筑与淹没建筑需依赖上下文信息区分。多类别分割难度22类的细粒度分类对模型的特征提取能力要求极高需采用深层骨干网络与多尺度特征融合。类别不平衡部分类别样本极少如河流大坝仅18个标注、城市滑坡仅19个标注训练时需采用类别加权损失或过采样策略。高分辨率处理1080×1920 的图像对显存要求较高建议采用裁切或降采样策略。背景干扰城市环境复杂阴影、反光、雨雾等可能影响分割效果建议训练时加入相关数据增强。应用闭环分割结果可导入GIS系统生成城市洪涝态势图与灾损报告服务于应急决策。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:22names:[river_levee_level2,river_flood damaged area_level2,river_flood debris damaged area_level2,river_dam_level2,river_bridge-pier_level2,city_building_level2,city_flood damaged area_level2,city_flood debris damaged area_level2,city_car_level2,city_landslide_level2,city_person_level2,city_car traffic light_level2,city_pedestrian traffic light_level2,city_traffic sign_level2,city_distance sign_level2,city_road_level2,common_telegraph pole_level2,common_flood damaged area_level2,common_flood debris damaged area_level2,common_street lamp_level2,common_tree_level2,common_underpass_level2]启动 YOLOv8 语义分割训练fromultralyticsimportYOLO modelYOLO(yolov8m-seg.pt)model.train(datadata.yaml,epochs100,imgsz640,batch8,device0)标签城市洪涝语义分割洪水要素灾害监测灾后评估目标检测YOLO格式深度学习数据集计算机视觉