- 图像数量
- 9,389 张图像
- 标注类别
- 1 个类别
- 标注格式
- YOLOv8
本数据集包含9389张场景图像，标注fire火焰目标，覆盖室内外火灾、山林火灾、建筑火灾多种场景。适用于智慧消防、工业火灾预警、森林防火监控。YOLOv8格式，380MB。
数据集概览
| 图像数量 | 9389张 |
| 标注格式 | YOLOv8 |
| 标注类别 |
|
适用场景
适用于智慧消防早期预警、工业园区火灾监控、森林防火视频巡检、仓储物流仓库安防、古建筑消防安全监测等场景。
数据集描述
火灾火焰检测数据集面向智慧消防与早期火灾预警场景。数据集包含9389张真实场景图像，标注fire(火焰)目标，样本覆盖室内厨房火灾、建筑外墙火灾、山林野火、仓库火灾等多种场景，包含不同火焰大小、颜色和背景复杂度。可用于训练早期火焰识别模型，在火焰尚小时即发出报警，配合摄像头实现7×24小时无人值守火灾监控，比传统烟感传感器响应更快、覆盖范围更广。标注为YOLOv8目标检测格式，数据量大，适合训练高鲁棒性火焰检测模型。
相关推荐
常见问题
Q: 这个数据集是什么格式？可以直接用YOLO训练吗？
A: 本数据集为YOLO格式（.txt标注文件+images/labels目录结构），下载解压后可直接用于YOLOv5/YOLOv6/YOLOv7/YOLOv8/YOLOv11等系列模型的训练，无需额外格式转换。
Q: 数据集有多大？包含多少张图片？
A: 具体图片数量和标注类别请参考上方”数据集概览”表格。所有数据集均经过筛选，确保标注质量和场景多样性。
Q: 下载后如何使用？
A: 1. 下载ZIP文件并解压；2. 确认目录结构包含images和labels文件夹；3. 修改data.yaml中的路径指向解压目录；4. 运行训练命令开始训练。建议先在小数据集上验证，再全量训练。
Q: 数据集可以商用吗？
A: 数据集来源于开源社区，具体使用许可请参考原始项目说明。建议用于学习研究和非商业项目，商业使用前请确认原始许可协议。
Q: 训练时推荐什么参数？
A: 推荐初始配置：batch=16（根据显存调整）、imgsz=640、epochs=100、optimizer=AdamW。如果数据集类别不均衡，建议使用–balance-weights或过采样少数类。
训练建议
数据预处理：训练前建议运行数据校验脚本，检查标注文件是否存在空框、越界坐标或格式错误。可使用YOLO自带的`–verify`参数进行验证。
数据增强：开启mosaic、mixup、hsv_h/s/v等增强策略，提升模型泛化能力。对于小目标密集的场景，建议将imgsz提升到1280。
迁移学习：推荐使用预训练权重（yolov8n/s/m/l.pt）进行微调，而非从头训练。冻结前10层可以加快收敛速度。
评估指标：重点关注mAP@0.5、mAP@0.5:0.95、Precision和Recall四个指标。如果Recall偏低，可适当降低置信度阈值。
模型选择：边缘部署选nano/small，服务器推理选medium/large。分类任务建议从YOLOv8-cls开始，实例分割用YOLOv8-seg。
下载说明
登录后通过夸克网盘下载，提取码yolo。
通过夸克网盘分享的文件：火灾火焰检测数据集_data2.cn.zip
暂无评论内容