无人机-航拍道路语义分割数据集（），1485对，mask图标注方式
=============================
- 数据划分数量：
- Train集：1039 对 (图像+mask)
- Valid集：296 对 (图像+mask)
- Test集：150 对 (图像+mask)
- 总计：1485 对
- 图像规格：
- 宽度：1908 px
- 高度：1156 px
- 类别定义（mask图值及对应类别）：
- 0: background 背景
- 1: common-lane 正常道路
- 2: emergency-lane 应急道路
|项目|详情| | ---- | ---- | |数据集名称|航拍道路语义分割数据集| |样本总量|1485对（原图+mask掩码图）| |图像分辨率|1908 × 1156 px| |标注类型|Mask掩码标注，语义分割任务| |数据集划分|训练集：1039对<br>验证集：296对<br>测试集：150对| |类别及mask像素值|0：background 背景<br>1：common‑lane 正常道路<br>2：emergency‑lane 应急道路| |标签|background、common‑lane、emergency‑lane| |应用场景|1.无人机航拍道路像素级分割，区分普通车道与应急车道<br>2.高速/市政道路遥感解析、道路路网提取<br>3.应急车道占用识别前置算法数据集<br>4.智慧城市路网测绘、道路要素提取<br>5.语义分割模型（U‑Net、YOLO‑Seg）科研训练与对比实验| |关键词|中文：航拍道路分割，应急车道识别，遥感路网提取，无人机语义分割，道路掩码数据集<br>英文|Aerial road segmentation，emergency lane detection，remote sensing road extraction，UAV semantic segmentation| **yolo‑seg yaml配置文件** ```yaml path: ./aerial_road_seg train: images/train val: images/valid test: images/test nc: 3 names: 0: background 1: common-lane 2: emergency-lane简易训练代码 YOLO‑Seg
fromultralyticsimportYOLO model=YOLO("yolo11n‑seg.pt")model.train(data="aerial_road_seg.yaml",epochs=100,imgsz=1156,batch=4,device=0)推理代码
fromultralyticsimportYOLO model=YOLO("runs/segment/train/weights/best.pt")res=model.predict("test_img.jpg",save=True)
