面向孟加拉语低资源场景的多模态灾害识别数据集

摘要：面向孟加拉语低资源场景的多模态灾害识别数据集，共包含 7,903 条样本，同时提供社交媒体文本与灾害图像信息

数据集概述

面向孟加拉语低资源场景的多模态灾害识别数据集，共包含 7,903 条样本，同时提供社交媒体文本与灾害图像信息。数据集覆盖地震、洪水、山体滑坡、野火、热带风暴、干旱、人员受灾以及非灾害共 8 个类别，其中训练集 6,323 条、验证集 790 条、测试集 790 条。该数据集主要用于研究如何融合文本语义与视觉特征，从海量社交媒体信息中快速识别真实、相关的灾害内容，为灾情感知和应急决策提供数据支持。

数据结构与关键特征

数据集采用文本 + 图像的多模态数据结构，每个样本同时包含孟加拉语灾害描述及相应视觉内容，可分别进行文本分类、图像分类和多模态融合分类。文本模态可使用 mBERT、XLM-RoBERTa 等预训练语言模型提取语义特征，图像模态则可使用 Swin Transformer、ViT、PVT、EfficientFormer 等视觉模型进行特征编码。数据集支持 Early Fusion、Late Fusion 和 Intermediate Fusion 等多种融合策略，其中 Swin Transformer 与 mBERT 组成的 DisasterMultiFusionNet 在早期融合方案中取得 85.25% 的准确率和 85.32% 的 F1-Score，优于单独文本模型和单独图像模型。

应用价值与研究方向

该数据集可应用于灾害自动识别、社交媒体灾情监测、应急信息筛选、多模态深度学习以及低资源语言智能分析等任务。研究者可以进一步开展灾害严重程度识别、灾害阶段分类、孟加拉语方言适配、模型可解释性分析以及跨区域迁移学习研究，并结合 Grad-CAM、SHAP、LIME 和视觉语言模型解释预测结果。未来还可探索大语言模型微调、联邦学习、跨模态对齐以及低算力环境下的轻量化部署，从而提升灾害条件下多模态智能系统的实用性与可靠性。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-376
文件大小：1.8G
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。