作者開源的資料集：
以上資料集包含煙霧影象，但是標註只有1類；開源模型只有fire類，如果要同時檢測煙霧，需要自己在影象上標註煙霧類別。
採用yolov5煙霧-火災2類檢測模型，為自己的資料預標註，然後修正即可！
煙火檢測資料集包含的場景型別:
大火-小火，建築**、草原**、森林**、車輛(汽車、卡車、電單車、電動車)**、白天-黑夜**、室內-室外**；
煙霧同火場景一致！
(2)利用本人開源的yolov5火災-煙霧檢測模型，為未標註的影象預標註
(3)人工修正火災-煙霧檢測預標註，重新訓練yolov4、yolov5
(4)加油！！！
yolov4網路結構 目標檢測YOLO V4
一 yolo v4主要做了什麼？通俗的講，就是說這個yolo v4演算法是在原有yolo目標檢測架構的基礎上，採用了近些年cnn領域中最優秀的優化策略，從資料處理 主幹網路 網路訓練 啟用函式 損失函式等各個方面都有著不同程度的優化，雖沒有理論上的創新，但是會受到許許多多的工程師的歡迎，各種優化演算...
目標檢測網路 YOLO V4（一）
最近，yolo v4的開源掀起了一波熱潮，根據給出的資料yolo v4實現了速度和精度的雙向突破，吊打了一系列的目標檢測網路。因此，考慮後續感測器融合的目標跟蹤研究的需要，研究yolo v4是不可或缺的部分，並且先學習github中的開源demo，再研究該網路的原理。1.基於linux下執行，首先執...
YOLOv4閱讀筆記
中英對照翻譯參考 中首先總結了目標檢測的一般性結構 通常，傳統的目標檢測器是離線訓練的。因此，研究人員總是喜歡利用這一優勢，開發更好的訓練方法，使目標檢測器在不增加推理成本的情況下獲得更好的精度。我們將這些方法稱為 bag of freebies 這些方法僅改變訓練策略或僅增加訓練成本。資料擴充 資...