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