1、YOLOv3训练好的火焰检测模型，包含YOLOv3和YOLOv3_tiny两种训练好的火焰识别权重。并包含2000多张标注好的火焰数据集，标签格式为xml和txt两种，类别名为fire，配置好环境后可以直接使用
2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
3、采用pytrch框架，代码是python的
2022-05-22 21:06:49
707.07MB
1、YOLOv5训练好的火焰检测模型，并包含2000多张标注好的火焰数据集，标签格式为xml和txt两种，类别名为fire，配置好YOLOv5环境后可以直接使用
2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
3、采用pytrch框架，代码是python的
2022-05-11 12:05:05
212.16MB
1、YOLOv5训练好的火焰检测模型，并包含2000张标注好的火焰数据集，标签格式为xml和txt两种，类别名为fire，
2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
3、有QT界面
4、采用pytrch框架，代码是python的
2022-05-10 18:10:45
228.56MB
综合分析了火焰的颜色、闪烁频率及其面积增长性等静态特征和动态特征,设计了一种基于视频的火焰检测自动预警算法. 利用混合高斯模型有效地表示了火焰颜色及颜色的多态性. 实验表明该算法具有误报警低、识别率高、实时性强等优点,是火灾自动报警的一种可行、科学的解决方案,具有广泛的应用前景,该研究在国内外还处于发展阶段.
2022-05-10 15:07:14
271KB
1
YOLOv3火焰烟雾识别训练结果，包含训练好的两个模型，安装好环境后可以直接使用， 类别名fire和smoke，
框架：pytorch;
代码：python
2022-05-09 19:18:02
374.51MB
YOLOv5火焰烟雾识别训练结果，包含训练好的两个模型，安装好环境后可以直接使用， 类别名fire和smoke，包含标注好的数据集
2022-05-09 19:18:01
127.05MB
1、YOLOv3训练好的火焰烟雾检测模型，包括yolov3-fire_smoke.pt和yolov3_tiny-fire_smoke.pt两个训练好的模型，并包含几百张标注好的火焰和烟雾数据集，标签格式为xml和txt两种，类别名为fire和smoke，
2、采用pytrch框架，代码是python的
3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
2022-05-07 16:06:00
374.91MB
1、YOLOv5训练好的火焰烟雾检测模型，包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个训练好的模型，并包含几百张标注好的火焰和烟雾数据集，标签格式为xml和txt两种，类别名为fire和smoke，
2、采用pytrch框架，代码是python的
3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
2022-05-07 16:05:58
126.96MB
1、YOLOv5训练好的火焰烟雾检测模型，包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个训练好的模型，并包含几百张标注好的火焰和烟雾数据集，标签格式为xml和txt两种，类别名为fire和smoke，
2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
3、有QT界面
4、采用pytrch框架，代码是python的
2022-05-07 16:05:56
145.12MB