基于YOLOv5的FLIR热成像数据集目标检测：行人、车辆与建筑物检测

于 2025-04-28 19:33:59 发布
阅读量380 收藏 4
点赞数 9
分类专栏： 深度学习YOLO实战项目 文章标签： YOLO 目标检测 人工智能 数据挖掘 分类 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52343631/article/details/147594107
版权

引言

随着深度学习技术在计算机视觉领域的不断发展，热成像技术已经被广泛应用于各种安全监控、自动驾驶以及智能交通等领域。热成像图像不仅能够提供传统可见光图像无法实现的视觉信息，还能在低光或夜间环境中提供清晰的场景理解。通过红外热成像，我们可以获取物体表面温度分布，进而推断出物体的种类和特征，这在恶劣环境下的目标检测中具有巨大的优势。

FLIR（Forward Looking Infrared）热成像数据集是专门为计算机视觉中的目标检测任务而设计的，包括行人、车辆、建筑物等多个类别，特别适用于低光或夜间条件下的目标检测任务。本文将介绍如何使用YOLOv5模型进行FLIR热成像数据集的目标检测，并通过Flask构建一个简单的Web应用来展示检测结果。

目录

  1. FLIR热成像数据集概述
  2. YOLOv5模型概述
  3. 数据预处理与标注转换
  4. YOLOv5模型训练与调优
  5. 目标检测算法实现
  6. UI界面与实时展示
  7. 总结与展望

一、FLIR热成像数据集概述

1.1 数据

了解本专栏 订阅专栏 解锁全文
基于YOLOv8与FLIR热图像数据集的目标检测与追踪：详细实现与UI展示
m0_52343631的博客
04-18 52
FLIR（Forward Looking InfraRed）热图像数据集是一种专门为热成像目标检测设计的数据集。该数据集由FLIR公司提供，包含了多种目标的热图像数据，常用于监控和安全领域。YOLO（You Only Look Once）系列是目前最为广泛使用的目标检测算法之一，其特点是高效、快速且准确。YOLOv8作为YOLO系列的最新版本，采用了许多先进的技术，显著提高了目标检测的性能和速度。YOLOv8能够在保持高精度的同时，以极高的速度进行目标检测。支持多种输入尺寸和多种数据集，适应性强。
基于YOLOv10与FLIR Thermal Dataset的热图像目标检测研究与应用
最新发布
m0_52343631的博客
04-23 507
是由FLIR公司提供的一个包含热成像图像的数据集。该数据集主要用于红外图像的目标检测，帮助研究人员解决在低光照或完全黑暗环境下进行目标检测的问题。行人（Pedestrian）：主要指在图像中出现的行走或站立的人物。车辆（Vehicle）：指在图像中出现的汽车、卡车等车辆。建筑物（Building）：指在图像中出现的建筑物或房屋等静态物体。类别：包括行人、车辆、建筑物。图像数据：图像为热成像图像，采用红外热成像设备拍摄，能够显示不同温度区域的图像。标注数据。
9.13 实验记录
weixin_45753250的博客
09-13 1660
30系列安装cuda11.3 （别装11.4，没有对应版本的torch和torchvision）记得在requirements.txt文件中改为指定版本名称。问题1：数据集划分标签label文件内容应为绝对路径。cuda11.3安装pytorch命令！问题2：pytorch安装。
对齐的flir数据集
weixin_44919322的博客
03-05 235
https://huggingface.co/datasets/UserNae3/FLIR_aligned
Flir_FLIR热数据集_spitemeu_机器学习雷达_thermalimage_机动_源码
10-02
适用于算LIR热传感器通过提供激光雷达、雷达和可见光相机之外的补充数据集，在完全漆黑、烟雾、恶劣天气和眩光等具有挑战性的天气条件下，可检测并区分行人、骑行者、动物和机动车辆。检测范围是普通前大灯的四倍。在与可见光数据和从激光雷达和雷达获得的距离扫描数据相结合时，热数据配上机器学习功能，打造更全面的检测和分类系统法训练的免费FLIR热数据集
FLIR数据集（适合yolo系列）
HLJDQwuzy的博客
04-13 241
链接: https://pan.baidu.com/s/1HROlaUIaGWQhRHw8o58Xcg?链接: https://pan.baidu.com/s/1ioW5oy6SWLajuOwJopf_gA?现阶段完整的基于yolo的该数据集仅有红外的，没有基于可见光+红外，本人基于superyolo，整理了基于可见光和红外的数据集。基于yolov5：通过网盘分享的文件：yolov5-FLIR。基于superyolo：通过网盘分享的文件：FLIR。--来自百度网盘超级会员v8的分享。
Flir红外数据集（Yolo格式）
gitblog_06638的博客
09-26 1453
Flir红外数据集（Yolo格式） 【下载地址】Flir红外数据集Yolo格式 本仓库提供了一个经过处理的Flir红外数据集，该数据集已转换为Yolo格式，并筛选为三个类别：人员（person）、骑车的人（bicycle）和汽车（car）。数据集包含8862张训练集图片和1366张测试集图片，适用于Yolo系列目标检测模...
菲力尔（FLIR）红外图像数据集.txt
09-09
FLIR红外数据集，大部分都是汽车一类
FLIR Thermal Starter 数据集详解
持久决心的博客
05-09 1万+
简介 该数据集提供了带注释的热成像数据集和对应的无注释RGB图像，用于训练和验证神经网络。数据是由安装在车上的RGB相机和热成像相机获取的。 数据集总共包含14452张红外图像，其中10228张来自多个短视频；4224张来自一个长为144s的视频。所有视频都来自街道和高速路。大多数图片的采样率为1秒两帧，其中视频的帧率为1秒30帧；少数环境中目标较少时，采样率为1秒1帧。 使用MSCOCO labelvector进行标注。具体如下： 类别 1：People 类别 2：Bicycle —— 自行车和摩托车（
FLIR红外热图像数据集.txt
03-12
FLIR红外热图像数据集
FLIR Thermal Starter 数据集详解 json详解
Loss
08-16 1064
该数据集提供了带注释的热成像数据集和对应的无注释RGB图像，用于训练和验证神经网络。 数据集总共包含14452张红外图像，其中10228张来自多个短视频；4224张来自一个长为144s的视频。所有视频都来自街道和高速路。大多数图片的采样率为1秒两帧，其中视频的帧率为1秒30帧；少数环境中目标较少时，采样率为1秒1帧。 train文件夹 文件名 注释 Annotated_thermal_8_bit 带标注框的红外图像 RGB 不带标注框RGB图像 thermal_8_bit 不带标注框
FLIR Lepton datasheet
11-30
FLIR Lepton datasheet,官方提供，可以下载使用，给大家参考
FLIR公司的ADAS可见光-红外数据库，百度网盘链接
02-12
FLIR公司的ADAS可见光-红外数据库（共有5个文件总共15G左右），以及两个其他小数据集。FLIR的数据库用于无人驾驶汽车的辅助夜视系统深度学习模型训练。这是目前业内最齐全的数据集。
FLIR训练集数据集yolo格式标签
10-12
FLIR训练集数据集yolo格式标签
Faster RCNN训练FLIR红外线数据集
frighting_ing的博客
11-14 6742
1. Fater RCNN检测网络下载 网络学习视频 [源码地址]https://github.com/bubbliiiing/faster-rcnn-pytorch 2. FLIR 数据集准备 数据集的具体格式和内容请看 FLIR数据集介绍 在该数据集中提供的annotations文件为json，需要将其转换为xml，由于我之前使用yolov5网络训练，所以目前我使用的转换方法是从json转换到txt，目前我从txt进一步转换为xml json转换为txt txt转换xml 3. 网络调整 1.准备数据
FLIR数据集详细解释
热门推荐
frighting_ing的博客
11-07 2万+
适用于算法训练的免费FLIR热数据集 前言 FLIR热数据集于2018年7月发行，帮助开发人员开发并训练卷积神经网络，使汽车行业能够使用FLIR的高性价比热像仪，开发新一代更安全、更高效的ADAS和无人驾驶汽车系统。 为何ADAS要使用FLIR热传感技术？ 在ADAS环境中，感知热红外辐射或热量的能力为可见光相机、激光雷达和雷达系统等现有传感器技术提供了独特的互补优势： 凭借在汽车领域15年以上的服务经验，FLIR打造了唯一一款与汽车完美匹配的热传感器，目前已在超过50万辆汽车的驾驶员预警系统中部署。
FLIR ADAS数据集及YOLOv5训练
hello world
09-06 1418
请注意，训练中的 499 个图像、验证中的 109 个图像和视频中的 29 个图像没有 RGB 对应图像。• Annotated_ Thermal_8_bit：该文件夹包含经过处理的8 位热数据，以将注释文件夹中的注释边界框覆盖在其上。对于所有图像，车牌都进行了一些最小程度的模糊处理，以使它们难以辨认。• Thermal_8_bit 8 位、应用 AGC、.jpeg 格式的图像，在其他方面与热图像中的图像相同。• 视频：包含一个 144 秒的视频，其中的图像具有唯一一致的标识符（1 到 4224）
基于红外数据集（FLIR）训练YOLOv4
Snow_cat123456的博客
12-15 9942
1、引言 毕业设计是基于热红外图像的目标检测系统设计，老板要求做一些横向和纵向的实验对比作为支撑，自己基于项目构建的车载红外数据集只有4000多张，加上是自己手动标注的，直接用于实验对比说服力不够，加上标注的精度跟开源的标准数据集相比有一定差距，所以前期的实验还是要在公共数据集上做，最后再迁移到自己的数据集上来。 实验室之前采购了FLIR的红外摄像头，后面就关注到他们开源了一个比较大的带真实标签的红外数据集，官网地址为FLIR数据集，跟我手头数据集的应用场景非常相似，所以决定以该数据集作为前期实验的主要基准
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

深度学习YOLO目标检测实战项目

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值