烟火检测-烟火检测数据集

Posted 2021-10-30 等待破茧

烟火检测-烟火检测数据集

• 作者：leilei

• 注意：yolov4仅支持火灾检测，yolov5s支持烟雾-火灾2类检测！

安装环境

    python: 3.6+
    ubuntu16.04 or 18.04
    darknet (cuda10.0 docker) ***
    pytorch 1.6+ (cuda10.2 docker)

新开源的数据集项目

• 工作服反光衣-安全帽数据集: 可用于施工区域or危险区域等指定区域检测: reflective-clothes-detect-dataset

https://github.com/gengyanlei/reflective-clothes-detect

数据集下载细节

• 烟火(10827张图像,无标签)-百度云盘下载链接 提取码->(hhwq)

https://pan.baidu.com/s/1GhFKbp6hN26hxJWXIg_W2A

• 烟火(2059张图像,含标签)-百度云盘下载链接 提取码->(3q4r)

https://pan.baidu.com/s/1AvCMcmZ7SaAZznmyTO65cg

• yolov4火灾检测模型-百度云盘下载链接 提取码->(w3ip)

https://pan.baidu.com/s/14g0SkV5vR8OhnDOCTW6r9A

• yolov5烟雾火灾检测模型 直接在yolov5文件夹中！

• darknet-yolov4官方github安装教程

https://github.com/AlexeyAB/darknet#how-to-compile-on-linux-using-make

• yolov4.conv.137

https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT

• 如果想使用最新版本darknet预测函数，请参考latest_darknet_API.py代码。

https://github.com/gengyanlei/fire-detect-yolov4/blob/master/latest_darknet_API.py

由于官方darknet预测图像，返回的画框图像是608*608，而非原始图像，坐标框也是如此，
因此，本人参考官方代码，修改成图像-视频预测在一起的代码，并且是原始图像！

数据集详细情况说明

• 烟火检测数据集(按照Pascal VOC格式排列):

  --VOC2020
      --Annotations (xml_num: 2059)
      --ImageSets(Main)
      --JPEGImages (image_num: 2059)
  
      --label_name: fire
  

• 解压压缩文件命令

  tar -xzvf ***.tar  (win or linux: Git Bash)
  or 
  7zip (win: 7zip; 360zip 需要解压2次)
  

• 将VOC格式转成yolo格式:

  调用yolov4 -> scripts -> voc_label.py
  

• 烟火检测数据集包含的场景类型:

  大火-小火，建筑起火、草原起火、森林起火、车辆(汽车、卡车、摩托车、电动车)起火、白天-黑夜起火、室内-室外起火；
  烟雾同火场景一致！
  

• 百度图片爬虫代码

  请使用 crawl_baidu.py
  

• 数据预标注 ###############关键###################

  (1)下载10827烟雾-火灾检测数据集
  (2)利用本人开源的yolov5火灾-烟雾检测模型，为未标注的图像预标注
  (3)人工修正火灾-烟雾检测预标注，重新训练yolov4、yolov5
  (4)加油！！！

yolov4 测试-训练代码使用说明

• yolov4测试：

1. 首先按照yolov4，本人已经将自己编译好的darknet上传，因此你不需要二次编译；将yolov4中的libdarknet.zip解压出来libdarknet.so！

2. 下载百度云盘中的yolov4火灾检测模型，将其放到backup_fire文件夹；

3. 调用darknet_API.py函数:

   from darknet_API import Detect
   detect = Detect(metaPath=r'./cfg/fire.data', configPath=r'./cfg/yolov4-fire.cfg',\\
                   weightPath=r'./backup_fire/yolov4-fire_best.weights',\\
                   namesPath=r'./cfg/fire.names')
   image = cv2.imread(r'/home/Datasets/20200714085948.jpg', -1)
   draw_img = detect.predict_image(image, save_path='./pred.jpg')
   

yolov4 训练：

1. 将VOC格式转成yolo格式

2. 修改cfg等文件的配置参数

3. 执行如下命令:

   ./darknet detector train cfg/fire.data cfg/yolov4-fire.cfg yolov4.conv.137 -gpus 0 -map -dont_show
   若出现显存不足，可修改batch的大小和取消random多尺度，默认情况下random=1，取消将random=0

yolov5 测试代码使用说明

• yolov5测试：

  python detect.py --source ***/aaa.jpg --weights ./best.pt

1. 切换到yolov5，终端执行如下命令:

python detect.py --source ***/aaa.jpg --weights ./best.pt

可视化

• ./result: 火灾预测

https://raw.githubusercontent.com/gengyanlei/fire-detect-yolov4/master/result/result_demo.jpg

• ./xml_lab: 火灾标注

参考博客-github项目

• train_data contain 1-2-3-4:

• train_data1:

https://blog.csdn.net/LEILEI18A/article/details/107334474

• train_data2:

 https://bitbucket.org/gbdi/bowfire-dataset/downloads/

• train_data3:

 https://github.com/OlafenwaMoses/FireNET/releases/download/v1.0/fire-dataset.zip

• train_data4:

 https://github.com/cair/Fire-Detection-Image-Dataset/blob/master/Fire%20images.rar

• fire-demo-dataset: 

http://signal.ee.bilkent.edu.tr/VisiFire/Demo/SampleClips.html

郑重声明:

• 本数据仅学术探索！！！

本人构建的其它数据集

• building-segmentation-dataset

https://github.com/gengyanlei/build_segmentation_dataset

• reflective-clothes-detect-dataset

https://github.com/gengyanlei/reflective-clothes-detect

相关资源：火焰数据集fire.zip_火焰数据集,烟火检测数据集-机器学习文档类...