标注的世界名胜地标建筑数据集和模型下载，识别率93.3%，支持yolo，coco json，pascal voc xml格式的模型训练

模型训练指标参数：

训练结果图：

数据集拆分

训练集

2190图像

验证集

208图像

测试集

102图像

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

每个训练示例的输出：3

翻转：水平

饱和度：在 - 25% 至 + 25% 之间

数据集标签：

Acropolis_of_Athens

Arc de Triomphe

Big_Ben

BlueMosque

Brandenburg_Gate

Casa_Mila

Christ the Redeemer

CN_Tower

Colosseum

Deoksugung

Eiffel_Tower

Forbidden_City

Gardens_by_the_Bay

Great_Wall_of_China

HollyWood Sign

Jerusalem

Leaning_Tower_of_Pisa

London_Eye

Marina Bay

Opera_House

Pantheon

pyramid

Rialto_Bridge

Statue_of_Liberty_National_Monument

Taj Mahal

翻译：

1. Acropolis_of_Athens — 雅典卫城（希腊）
2. Arc de Triomphe — 凯旋门（法国）
3. Big_Ben — 大本钟（英国）
4. BlueMosque — 蓝色清真寺（土耳其）
5. Brandenburg_Gate — 勃兰登堡门（德国）
6. Casa_Mila — 米拉之家（西班牙）
7. Christ the Redeemer — 基督救世主雕像（巴西）
8. CN_Tower — 加拿大国家电视塔（加拿大）
9. Colosseum — 罗马斗兽场（意大利）
10. Deoksugung — 德寿宫（韩国）
11. Eiffel_Tower — 埃菲尔铁塔（法国）
12. Forbidden_City — 故宫（紫禁城）（中国）
13. Gardens_by_the_Bay — 滨海湾花园（新加坡）
14. Great_Wall_of_China — 中国长城（中国）
15. Hollywood Sign — 好莱坞标志（美国）
16. Jerusalem — 耶路撒冷（以色列 / 巴勒斯坦地区）
17. Leaning_Tower_of_Pisa — 比萨斜塔（意大利）
18. London_Eye — 伦敦眼（英国）
19. Marina Bay — 滨海湾（新加坡）
20. Opera_House — 歌剧院（通常指悉尼歌剧院，澳大利亚）
21. Pantheon — 万神殿（意大利）
22. pyramid — 金字塔（埃及）
23. Rialto_Bridge — 里亚托桥（意大利）
24. Statue_of_Liberty_National_Monument — 自由女神像国家纪念碑（美国）
25. Taj Mahal — 泰姬陵（印度）

数据集图片和标注信息示例：

  

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92774294

yolo v12:https://download.csdn.net/download/pbymw8iwm/92774297

yolo v11:https://download.csdn.net/download/pbymw8iwm/92774295

yolo v9: https://download.csdn.net/download/pbymw8iwm/92774299

yolo v8:https://download.csdn.net/download/pbymw8iwm/92774293

yolo v7:https://download.csdn.net/download/pbymw8iwm/92774292

yolo v5:https://download.csdn.net/download/pbymw8iwm/92774290

yolo darknet:https://download.csdn.net/download/pbymw8iwm/92774296

coco json:https://download.csdn.net/download/pbymw8iwm/92774298

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92774291

 YOLO模型训练

下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py

注意，请根据你的GPU能力来适当调整训练参数，比如训练batch，patience，workers，以及模型类型（如果你的GPU硬件条件限制，可以联系作者进行付费模型训练，部分模型只需要一杯奶茶钱）

模型下载：

https://download.csdn.net/download/pbymw8iwm/92774300

模型验证测试情况：

验证测试代码：

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2

# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径

# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径

# 使用模型对图片进行预测
results = model(image_path)

# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()

    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)

    # 等待按键退出
    cv2.waitKey(0)

    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()