yolov3-tiny 火焰目标检测+数据集+模型测试

已于 2022-11-06 22:51:26 修改
阅读量1.2k 收藏 8
点赞数
分类专栏： 笔记 文章标签： 火焰目标检测 yolo 火焰数据集 目标检测
于 2022-07-07 13:36:44 首次发布
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/qq_45601448/article/details/125657272
版权

废话不多说，直接看效果

基本识别还行，模型仅测试，还有很大的优化空间

使用K210运行模型，帧率在12fps左右，勉强能用，数据集已经手动做好了标签，xml格式

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

数据集及测试模型下载地址：下载地址

lightHos
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
火焰检测 数据集
jacke121的专栏
04-13 4366
开源项目1： https://github.com/gengyanlei/fire-smoke-detect-yolov4/tree/master/yolov5 开源项目2： 火焰检测 python3 app.py rknn_version : 1.6.0 rk3399pro yolov5-v4.0 tag train inference https://github.com/airockchip/yolov5 GitHub - xiaqing10/yolov5_rknn 原文链接：htt...
火焰目标检测数据集（已经标注）
03-12
该数据集包含1500+张图片，同时使用labelme标注工具进行标注（包含xml坐标信息的标注），适用于yolo v5等目标检测算法进行火焰检测。
火灾检测——相关数据集
热门推荐
weixin_41406486的博客
04-11 1万+
收集了火灾检测研究的主要数据集，包括数据集的简要信息，可供下载。
YOLOv8目标检测，火灾烟雾数据集整理
最新发布
weixin_41171614的博客
04-10 1352
YOLOv8目标检测，火灾烟雾数据集整理
基于K210芯片的人脸识别智能门禁系统
weixin_64381713的博客
01-22 3245
识别模式：识别模式下，通过MaixBit开发板对欲通过人员进行人脸信息的收集以及比对分析，判断是否为存储内人员的人脸信息，进而通过90614红外测温模块获取欲通过人员体温数据以及判断体温是否正常等条件，满足通过条件后闸机动作，人员通过。红外测温功能的实现：红外测温功能主要通过90614测温模块收集数据，通过把数据递交给主控芯片进行判断，如果温度超过阈值则可以触发蜂鸣器报警。该系统还可通过蓝牙模块将数据上传到电脑，实现数据的随时监测，也可通过电脑修改温度阈值等参数。录入模式：录入人脸数据使用。
MTL-FFDET:基于多任务学习的森林火灾探测模型
zuiyishihefang的博客
10-01 1521
1.文章信息本次介绍的文章是2022年南京林业大学和国外团队共同发表的一篇基于计算机视觉的火灾检测文章。文章的题目为《MTL-FFDET: A Multi-Task Learning-Based Model for Forest Fire Detection》2.摘要基于深度学习的森林火灾视觉监测方法发展迅速，已成为主流。现有的方法基于大量的数据，在复杂的森林场景中存在特征提取能力弱、小目标识别能...
Arduino案例实操 -- 智能巡防小车（四）火焰检测功能扩展
General_s
05-29 3302
当小车可以自行完成巡线功能后，在有剩余空闲I/O口的情况下，还可以为巡线小车添加火焰检测功能，让它成为名副其实的 “巡防小车” ！ 添加火焰检测功能4.1 添加器件4.2 火焰传感器原理4.2.1 功能说明4.2.2 原理4.2.3 分类4.2.4 传感器安装4.3 风扇安装4.3.1 简陋支架安装4.3.2 3D打印件支架安装4.4 火焰检测及灭火功能编程 4.1 添加器件 火焰检测传感器 * 2 继电器模块 * 1 直流电机 * 1 扇叶 * 1 直流电机支架 * 1 9g小型
自建火焰数据集
Alawalker的博客
01-04 859
火焰检测数据集
YOLO 火焰、烟雾数据集 训练集15000张图片、验证集1400张图片、测试集700张图片
12-30
火焰、烟雾数据集。YOLO格式，全部已经标注好，适用于训练YOLO目标检测模型。数据集已经按照 训练集、验证集、测试集划分好，包含类别yaml标签，拿到数据集后无需任何处理即可直接用于训练。其中训练集15000张图片、验证集1400张图片、测试集700张图片。图片分辨率全部统一为640*640。数据集分为两类：火焰、烟雾（具体见目录下yaml文件）数据集亲测有效（yolov8n模型map50在90%以上，map50-95在85左右）
火焰烟雾检测数据集
pink369的博客
10-20 2694
分享一下自己做的火焰、烟雾目标检测数据集，数据集中包含2628张图片。主要是在Github上找的，找到的资源有的有对火焰的标注，有的只是单纯的图片，然后自己花了挺久的功夫用labelimg工具一张张标注，是按照VOC格式标注的。之前做这个项目的时候弄的，现在换课题了这个烟火检测就告一段落了，当时刚弄这个项目苦于找不到合适的数据集，也是在网上四处找，挺麻烦的。之后还有从事火焰烟雾目标检测的朋友可以参考我这个数据集，量不算多也不算少吧。 我放到百度网盘了，链接在下面，觉得有用就点个赞吧。 链接：ht...
深度学习数据集合（交通标志/火焰/手写字符/道路裂缝数据集）
阿利同学的博客
05-24 767
#交通标志 #火焰数据集 #手写字符识别 #道路裂缝数据集
yolov3目标检测可视化框架（轻量级）+内置火焰识别数据集（2k）/权重（95%）
04-16
yolov3目标检测可视化框架（轻量级）——以火焰识别为例 a.内置火焰识别数据集（2k张手工已标注）/权重（正确率95%） b.其中主要包含有图片检测、权重加载、可信度调整、检测结果保存，日志输出功能（可扩充） c.文件中的权重和数据集可以更换，训练介绍后不影响GUI的使用
YOLO火焰检测数据集 fire-dataset-6602.zip
04-20
1、YOLO火焰检测数据集，只对图像中的火焰进行了 标注，类别我为 fire，标签格式为VOC和YOLO两种格式， 2、 数量： 6602 3、可以直接用于YOLO算法的火焰检测 4、YOLOv5训练权重：https://download.csdn.net/download/weixin_51154380/49874877
深度学习数据集：烟雾火焰数据集（2000个图像）
10-24
# 此数据为火灾检测数据集，已经对数据进行坐标标注，并按照VOC格式存储； # image num: 2059, xml num: 2059 声名： 此数据集包含2部分： 1.自己爬取的图像，自己标注 2.他人开源的数据，有的有标注，有的无标注(我给它重新标注)
YOLOv8-火焰识别（火焰数据集+代码+GUI界面+内置训练好的模型文件）
11-15
教程请参考：https://blog.csdn.net/Little_Carter/article/details/131387425 欢迎浏览我的最新资源，这个全面的资源是为了帮助研究人员和开发者在火灾预防和安全监控领域取得突破而设计的。本资源包含以下几个关键部分： 1、火焰数据集：精心策划和注释的高质量火焰图像集，覆盖了不同类型和大小的火焰场景。这个数据集对于训练和测试火焰检测算法至关重要。 2、代码：完整的YOLOv8算法实现代码，针对火焰检测进行了优化。代码清晰、注释详细，易于理解和定制。 3、GUI界面：为了更方便地使用和展示火焰识别模型，我复现了一个直观的图形用户界面（GUI）。这个界面不仅易于操作，还可以实时展示检测结果。 4、内置训练好的模型文件：为了让用户能够即刻使用该工具，我提供了一个已经在火焰数据集上训练好的YOLOv8模型。这个模型经过精心训练，具有高精度和良好的泛化能力。 此外，我还提供了详细的安装和使用指南，帮助您轻松地部署和运行这个系统。无论您是在进行学术研究，还是在开发商业应用，这个资源都将是您不可或缺的工具。期待您的下载和反馈！
火焰检测数据集（700张图像）.rar
05-09
1、资源内容：火灾探测图像数据集 2、资源特点：该数据集包含正常图像和带火图像。对现实世界的情况做出回应是非常不平衡的。它包括各种场景和不同的火灾情况（强度、亮度、大小、环境等）。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课设大作业和毕业设计。 4、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 5、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，欢迎交流学习。
Windows版YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。 除本课程《Windows版YO
yolov3-tiny车辆检测模型 yolov3-tiny.weights yolov3-tiny.cfg obj.names
04-26
opencv-yolo-tiny车辆检测需要的车辆检测模型文件 yolov3-tiny.weights yolov3-tiny.cfg obj.names
YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。 除本课程
k210摄像头火焰检测
10-16
K210摄像头火焰检测是一种利用K210芯片和摄像头模块结合的技术，用于检测和监测火焰存在的一种方法。 K210是一款高性能的AI芯片，拥有多核处理器和丰富的外设接口，适合用于图像处理和人工智能应用。摄像头模块则是将实时图像信息转换为电信号的设备。 火焰检测是指通过图像处理算法，识别和分析图像中的火焰像素，并根据火焰的特征进行处理和报警的过程。K210摄像头火焰检测技术可以实时捕捉摄像头采集的图像，并通过K210芯片上的神经网络模型进行火焰像素的识别和检测。 具体步骤如下：首先，摄像头模块采集环境中的图像，接着，K210芯片通过神经网络模型对图像进行处理和分析，提取图像中的火焰像素。随后，K210芯片根据火焰像素的特征，判断是否存在火焰。最后，K210芯片可以进行相应的处理操作，如报警或者触发其他的操作。 与传统的火焰检测方法相比，K210摄像头火焰检测具有以下优点：首先，K210芯片具有强大的图像处理能力，可以对大量图像数据进行高速处理；其次，K210芯片上可以部署灵活的神经网络模型，提高火焰检测的准确性和稳定性；此外，K210芯片还具有低功耗和高性能的特点，适合于嵌入式和智能设备等领域的应用。 总之，K210摄像头火焰检测技术利用K210芯片和摄像头模块结合，通过图像处理和神经网络模型，能够实现对火焰存在的实时监测和检测，具有较高的准确性和稳定性，并适用于各种智能设备和安防领域的应用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

lightHos

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