基于视觉的烟雾/火焰检测数据集整理(检测、识别、分割) |
您所在的位置:网站首页 › 油烟监测方法有哪些 › 基于视觉的烟雾/火焰检测数据集整理(检测、识别、分割) |
基于传感器的火灾预警系统,比较适用于较小空间。 随着视觉技术的发展,基于视觉的火灾预警系统,更适用于对森林等大范围场景进行 远距离监控1。 当前的烟雾火焰检测系统中,采用机器学习的视觉技术暂未广泛替代传感器,主要原因就在于其误报与漏报较高。 火灾初期通常会产生大量烟雾, 这一现象在很大程度上降低了用火焰检测进行火灾预警的有效性,所以现在很多方案通过对烟雾的监控和检测,实现早期火灾预警。 基于视觉的火灾预警任务可以分为火焰/烟雾识别、检测、分割这3类不同的粒度。相关的数据集整理如下: 数据集整理 fire-dunnings-dataset![]() https://bitbucket.org/gbdi/bowfire-dataset/downloads/ 数据集包括发生火灾的不同紧急情况,例如建筑物着火,工业火灾,车祸和骚乱(./dataset/img)。其余图像包括没有可见火势的紧急情况,以及具有类似火的区域(例如日落)和红色或黄色物体的图像。4 数据集包含训练集、测试集。训练数据集(./train)包含240个50×50像素的图像:80张图像被分类为有火,160张图像被分类为非火。测试数据集(./dataset)包含226张不同分辨率的图像:119张包含火焰的图像和107张无火的图像。 数据集还包括火焰区域的分割,着火区域标记为白色,而非着火区域标记为黑色(./dataset/gt)。可以用于火焰检测和分割任务。 Mivia Fire &Smoke Detection Dataset https://mivia.unisa.it/datasets/video-analysis-datasets有火焰与烟雾视频数据集。火焰集中共有 31 段视频, 其中 14 段有火焰, 其他无火焰。烟雾集包含 149 段视频, 每一段 15 min 左右, 总时长超过 35 h, 大多是远镜头烟雾视频, 内含天空、云雾、强阳光等干扰。![]() 部分参考文献打包: https://download.csdn.net/download/Bit_Coders/16591997 第一个dunnings数据集的网盘地址: https://download.csdn.net/download/Bit_Coders/36130553 夏雪, 袁非牛, 章琳, et al. 从传统到深度:视觉烟雾识别、检测与分割[J]. 中国图象图形学报, 2019(10) ↩︎ https://blog.csdn.net/OyamingO/article/details/109230490 ↩︎ Experimentally Defined Convolutional Neural Network Architecture Variants for Non-temporal Real-time Fire Detection (Dunnings, A. and Breckon, T.P.) In Proc. International conference on Image Processing, pp. 1558-1562, IEEE, 2018. ↩︎ D. Y. T. Chino, L. P. S. Avalhais, J. F. Rodrigues and A. J. M. Traina, “BoWFire: Detection of Fire in Still Images by Integrating Pixel Color and Texture Analysis,” 2015 28th SIBGRAPI Conference on Graphics, Patterns and Images, Salvador, 2015, pp. 95-102. [doi: 10.1109/SIBGRAPI.2015.19] ↩︎ |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |