红树林航拍目标检测数据集
1
先了解一下这个红树林航拍目标检测数据集的基础信息。下表汇总了数据集的关键参数，便于快速查看其规模、任务类型与标注情况。
数据集信息汇总表
| 项目 | 参数详情 |
|---|---|
| 数据集名称 | 红树林计算机视觉航拍数据集 |
| 任务类型 | 目标检测 Object Detection |
| 图片总量 | 1345张（约1.3k） |
| 数据集版本 | 1版 |
| 图像来源 | 高空航拍俯视影像，采集自滨海湿地红树林真实场景 |
| 开源协议 | CC BY 4.0 |
| 标注格式 | 支持YOLO、COCO、VOC、JSON等多种常用格式 |
| 类别数量 | 9类滨海植被与地物类别 |
适用应用场景
很多用户会关注这个红树林数据集适合哪些实际项目。整体来看，它在滨海生态监测、无人机遥感识别和目标检测模型训练等方向都有较强的应用价值：
- 滨海湿地生态遥感监测与红树林资源普查
- 无人机航拍植被识别、红树林分布范围自动统计
- 海岸带生态保护、湿地植被变化监测项目
- 遥感图像植被检测算法训练、科研课题与毕业设计
数据集特点
从实际使用角度来看，这套红树林航拍数据集具备以下几个明显优势：
- ✅ 采用俯视航拍视角，贴近无人机近海巡查与遥感识别的真实业务场景
- ✅ 可区分多类海岸植被和滩涂地物，适合精细化目标检测与生态识别任务
- ✅ 图像覆盖水体、滩涂、成片红树林等混合复杂环境，场景更具代表性
- ✅ 标注规范清晰，导出YOLO格式后可直接用于目标检测模型训练
YOLO数据集配置文件 mangrove.yaml
下面给出YOLO训练所需的数据集配置文件，适用于红树林目标检测任务，复制后即可直接使用：
path: ./mangrove_dataset
train: images/train
val: images/val
test: images/test
nc: 9
names:
0: class_0
1: class_1
2: class_2
3: class_3
4: class_4
5: class_5
6: class_6
7: class_7
8: class_8
YOLOv11训练代码
如果你准备基于该航拍数据集训练模型，下面这段代码可作为参考。这里以YOLOv11为例，直接调用Ultralytics库完成红树林目标检测训练：
from ultralytics import YOLO
def main():
model = YOLO("yolo11s.pt")
model.train(
data="./mangrove_dataset/mangrove.yaml",
epochs=90,
imgsz=640,
batch=12,
device=0,
augment=True,
project="runs/train",
name="mangrove_detect",
exist_ok=True
)
metrics = model.val()
print(f"mAP@0.5 = {metrics.box.map50:.4f}")
if __name__ == "__main__":
main()
说明：9个类别的具体名称需要查看数据集文件夹中的标签说明文件，主要涵盖不同类型的红树林、滩涂植被以及海岸地物目标。
