基于深度学习的烟火检测——yolov5
今天先写到这里,明天再写背景介绍数据集介绍训练结果测试效果今天先写到这里,明天再写
写在最前面:分享记录自己在目标检测的爬坑之路,一起探讨学习 数据集:10k图片,基础网络:yolov5,现阶段改进模型最高map=0.896,想寻求进一步改进思路
背景介绍
对烟雾、火灾进行检测,达到实时高精度的要求,主要针对城市应用场景,暂未在森林场景中检测实际应用效果。
数据集介绍
数据集共计有:10202张图片;
烟雾火焰图片:5867张,包括:自建数据集+互联网下载图片+已公开数据(Bilkent 大学视频库、NIST 数据集、仁荷大学计算机视觉实验室建立的数据集等)
负样本共计:4335张,负样本包括:天空、阳光、路灯、车灯、街道、室内、室外、森林等
**说明:**已公开数据中多数是关于森林火灾、烟雾数据,需要进行一点的筛选,自己也是在众多数据中进行筛选,选择部分作为自己的数据集,
训练结果
说明:
batchsize=64,epoch:100,gpu:V100(16G)基础网络:yolov5s,网络改进部分暂时不公布(等项目结束后会更新),
测试效果
正在B站上传视频,今天先写到这里
基于深度学习的烟火检测——yolov5
小目标火焰检测:
基于深度学习的烟火检测——yolov5系列针对小目标检测效果