火焰检测课题相关资源整理：公共数据集/GitHub代码/技术贴/H5模型

1.公共数据集

多篇论文均提到一个事实：目前该领域的公共数据集比较少，仅用来测试还可以，训练的话还是需要网上抓取数据。

以下为部分公共数据集：

1、CVPR Lab （可直接下载，无需注册）

https://cvpr.kmu.ac.kr/

2、CORSICAN FIRE DATABASE (要申请权限)

http://cfdb.univ-corse.fr/index.php?menu=1

3、Research Webpage about Smoke Detection for Fire Alarm（可直接下载）

http://smoke.ustc.edu.cn/datasets.htm

4、Wildfire Observers and Smoke Recognition Homepage（可直接下载，但国内404）

http://wildfire.fesb.hr/index.php?option=com_content&view=article&id=59&Itemid=55

5、V-MOTE （需要注册账号，但找了半天没发现有用的数据）

http://www2.imse-cnm.csic.es/vmote/english_version/descargas.php

6、MIVIA （需要注册，申请权限）

https://mivia.unisa.it/datasets-request/

—————————————————3月23日二次更新—————————————————
7、bowfire数据集：比较小只有227张图片，但是很经典的数据集，因为包含了很多易混淆为火焰的负样本所以很多论文都拿来做testset（无需注册，直接下载）

https://bitbucket.org/gbdi/bowfire-dataset/downloads/

图源论文：Efficient Deep CNN-Based Fire Detection and Localization in Video Surveillance Applications

—————————————————5月17日三次更新—————————————————
8、他人整理，引用自：

https://blog.csdn.net/zhou4411781/article/details/100537926

PS：部分国内下载慢的，可以注册个码云迁移过去在下载

2.GitHub代码

收录了一些我自己star过的资源，大多数基于tensorflow和Keras框架，算法涵盖YOLO系列、RCNN系列等体系：

1、Faster-RCNN (基于Keras)

https://github.com/cakirogluozan/fire-detection

2、3D-CNN（基于Keras）

https://github.com/ChedyBM/Fire_keras_3d

3、inception Vx（基于tensorflow）

https://github.com/tobybreckon/fire-detection-cnn

PS：这篇被star和fork的都很多，支持的环境和inception版本也比较丰富

4、Mask RCNN（可做图像分割）

https://github.com/amirsultan/fireDetection

5、MobileNet v2（基于Keras）

https://github.com/zhangwei147258/fire_detect_mobilenet_v2_ssdlite_keras

6、YOLO v3

（1）基于tensorflow，带pre-trained model, 百度云可下载

https://github.com/markgao-916/yolov3_fire_detection

（2）韩文版的

https://github.com/jhtobigs/fire_pred_yolov3

（3）FireNet（一个成熟的项目）

https://github.com/OlafenwaMoses/FireNET

附：论文里推荐的标注工具BBox-Label-Tool

https://github.com/puzzledqs/BBox-Label-Tool

3.相关贴

整理了对我启发比较大的几个帖子：

1、野外火灾烟雾视频检测技术研究及应用（数据集，代码及论文）

https://blog.csdn.net/weixin_30631587/article/details/99747148?depth_1-utm_source=distribute.pc_relevant_right.none-task&utm_source=distribute.pc_relevant_right.none-task

2、火焰检测的相关步骤及算法综述

https://blog.csdn.net/qq_24296665/article/details/84854299

3、【计算机视觉】森林火灾检测-2

https://blog.csdn.net/xiaowei_cqu/article/details/7523683

4、Opencv + python火焰分割加速版

https://blog.csdn.net/weixin_41987641/article/details/81812823

5、基于图像的火焰识别调研总结

https://blog.csdn.net/Hey_chaoxia/article/details/85054870

6.、文献：

任嘉锋,熊卫华,吴之昊,姜明.基于改进YOLOv3的火灾检测与识别.计算机系统应用,2019,28(12):171–176. http://www.c-sa.org.cn/1003-3254/7184.html

----------------------------------------------------------6月13日四次更新----------------------------------------------------------

4.预训练模型

毕设算是告一段落了，又坚持用YOLOv3做了一段时间，由于可能涉及到图片版权问题数据集不便公布，这里提供我在colab上用Keras预训练的.h5模型，loss已降到18，目前的检测效果如图：

以目前这个水平还是不能够直接用的，公布出来也是鼓励大家在此基础上预训练。相比从头训练应该能为大家节省不少时间。

我这个是跑了一下午才得到的

关于预训练如何操作：

1.我的代码及训练过程参考来源于博客：

https://blog.csdn.net/u012746060/article/details/81183006

里面有挺多小毛病，不过粗略读一遍源码基本都能排除

2.博客里面train文件的create_model函数有两个地方需要改一下：

（1）默认设置加载预训练模型
（2）预训练模型的路径按照自己的设置，.h5文件我会提供

最后安利一波colab，谷歌自己的玩意，虽然有时候会断线但相比国内服务器真的良心了，有免费版，收费版一个月70块钱也很香。

关于如何在colab上训练yolov3也有一些教程，但还是比较少，打算沉淀一段时间发一篇教程，同行交流欢迎私信我~