Advertisement

约1500个烟雾数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本数据集包含超过1500条记录,详细记录了各种环境条件下的烟雾特征,旨在为火灾预防和监测系统提供训练支持。 1500个左右的烟雾数据集(适用于yolov5直接使用)。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 1500
    优质
    本数据集包含超过1500条记录,详细记录了各种环境条件下的烟雾特征,旨在为火灾预防和监测系统提供训练支持。 1500个左右的烟雾数据集(适用于yolov5直接使用)。
  • 检测YOLOv5吸识别
    优质
    本数据集运用YOLOv5算法进行训练与测试,专注于烟雾及吸烟行为的智能检测,旨在提升公共空间的安全监控水平。 包含4104张训练图片、375张验证图片以及371张测试图片,并附有相应的文本标注文件,包括类别及烟的坐标。这些内容均为抽烟场景的照片,格式与yolov5兼容,只需调整路径和类别即可直接用于训练。
  • 火焰,XML标签,YOLO格式,准确率0.9
    优质
    本数据集包含大量标注清晰的火焰与烟雾图像,采用XML和YOLO格式标签,实现高精度目标检测,准确率达约90%。 火焰烟雾数据集用于YOLOv5的火焰烟雾检测任务,该系统结合了目标检测与深度学习技术,并支持使用YOLOv5或YOLOv7模型进行开发。
  • YOLOv5火灾检测
    优质
    本数据集专为优化YOLOv5模型设计,包含大量标注的烟雾与火灾图像,旨在提升智能监控系统中对早期火情的识别精度。 该项目提供了一个基于YOLOv5的火焰烟雾检测解决方案,并已经训练完成可以直接使用进行推力测试。 项目特点如下: 1. 包括经过预训练的模型yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt,可以立即用于推理任务。 2. 提供了包含标记好的烟雾和火焰的数据集,标签格式包括xml和txt两种形式。 3. 如果需要重新训练模型以适应特定需求,也可以进行操作。 4. 使用PyTorch框架编写,并且代码是Python语言的。该项目还配备了基于pyqt开发的应用界面。 整个项目包含了YOLOv5火灾烟雾检测源码、预训练好的权重文件(pt格式)、数据集以及用户友好的图形界面应用,支持视频和图片等多种形式的数据进行推理测试。价格优惠合理,可以放心下载使用。
  • 火焰与检测的
    优质
    本数据集包含多种环境下拍摄的火焰和烟雾图像,旨在为火灾早期预警系统提供训练素材,助力提高算法识别准确率。 火焰检测数据集包含了火焰和烟雾的相关数据,可用于训练或测试火焰及烟雾的检测系统。
  • YOLO火焰与检测
    优质
    简介:YOLO火焰与烟雾检测数据集是一个专为实时视频中火焰和烟雾识别设计的高质量标注数据集合,适用于训练和评估目标检测算法性能。 该数据集包含用于YOLO火焰和烟雾检测的真实场景高质量图片,使用lableimg软件进行标注,并提供VOC格式和yolo格式的标签文件分别保存在两个不同的文件夹中。这些图像中的火焰和烟雾已经同时被详细标出,共有fire和smoke两类。数据集包含1200张图片,涵盖了多种场景。
  • 安全帽识别的1500张)
    优质
    本数据集包含约1500张图片,旨在用于训练和测试安全帽检测算法的有效性,涵盖各种工作环境与视角。 1. have_helmet_images 文件夹包含佩戴安全帽的图片,将标签文件放入 Annotations 文件夹,并标记为 have_helmet。 2. no_helmet_images 文件夹包含未佩戴安全帽的图片,将标签文件放入 Annotations 文件夹,并标记为 no_helmet。 3. Annotations 文件夹用于存放标签文件。 4. labelimg 的具体使用方法请参考 labelimg 安装及使用说明文档。
  • 百度(火灾相关).zip
    优质
    百度烟雾数据集(火灾相关)包含大量与火灾相关的图像和视频数据,旨在用于训练计算机视觉模型识别火灾早期信号,提升消防安全监控系统的准确性。 火灾烟雾数据集包含6000多个已标注的数据点,可以直接使用。
  • YOLO检测(smoke-dataset-5269.zip)
    优质
    该数据集包含YOLO格式的烟雾检测图像,旨在支持开发高效的火灾预警系统。内含多种环境下的烟雾样本,助力算法训练与优化。 YOLO烟雾检测数据集仅对图像中的烟雾进行了标注,类别为smoke,标签格式提供VOC和YOLO两种格式。该数据集中共有52693张图片,可以直接用于基于YOLO算法的烟雾检测任务中。