火灾数据集，数据集分类： * Fire * Neutral * Smoke

This package contains realistic fire and smoke FX rendered from 3D software by an FX Artist professional in the Animation/Film industry. Included are the sprite sheets and prefabs for 12 effects, in addition to an example explosion prefab demonstrating how the sprites can be combined to make a unique and advanced effect. Enjoy! Contains: 12 4096x4096 Sprite Sheets (512x512 pixels per frame) -3x Flame -3x Large Oil Rig Fire w/ Smoke -3x Smoke -3x Flamethrower 14 prefabs -4x Flame -3x Large Oil Rig Fire w/Smoke -3x Smoke -3x Flamethrower -1x Epic Explosion 仅限于学习与交流，请勿用于商业用途！

1、YOLOv3训练好的烟雾检测模型，训练了yoov3-smoke.pt和YOLOvs3_tiny-smoke.pt。两个模型； 并包含4500多张标注好的烟雾数据集，标签格式为xml和txt两种，类别名为smoke，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

1、YOLOv5训练好的烟雾检测模型，并包含4500多张标注好的烟雾数据集，标签格式为xml和txt两种，类别名为smoke，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

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

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

1、YOLO烟雾检测数据集，只对图像中的烟雾进行了 标注，类别我为 smoke，标签格式为VOC和YOLO两种格式， 2、 数量： 5269 3、可以直接用于YOLO算法的烟雾检测

原创 优质吸烟数据5000张/近一万框 检测 yolov5 yolox rcnn 附教学文章与代码和优化技巧 cv君训练教程与数据：https://blog.csdn.net/qq_46098574/article/details/107334954； cv君优化技巧与进阶：https://blog.csdn.net/qq_46098574/article/details/109702222； cv君公众号：DeepAI 视界 微信：zxx17800844581z 备注下载资源 欢迎加我进深度技术交流群

在 Keras 中使用Baseline U-Net 模型和图像增强通过语义分割进行烟雾检测 这个 repo 是的部分实现 此用例的主要目的是检测任何背景中的烟雾。 烟雾的来源、颜色、环境等也可能有变化。我们应该能够从语义上分割烟雾以分析它的各种特征，如颜色、强度、烟雾喷射持续时间（来自视频源）等。 master分支具有U-Net的实现，但是在不同分支中提供了使用另一种实现。 优网 U-Net 是一种卷积神经网络，是德国弗莱堡大学计算机科学系为生物医学图像分割而开发的。 该网络基于全卷积网络，其架构经过修改和扩展，可以使用更少的训练图像并产生更精确的分割。 建筑学 图片来源：德国弗赖堡大学计算机科学系 在 Kaggle Airbus 船舶检测挑战中， 使用这个模型从过滤器尺寸 8 开始，从 768x768 图像检测船舶。 但是，我已将它用于从 Google 搜索获得的“烟雾图像”并将其调

介绍 要求： 的Python 3.5 PyQt5 5.9.2 opencv-python 3.4.0.12 张量流-gpu 1.5.0 CUDA 8.0 易言 用： 运行train_and_detection / win_entry.py “开放模型”->（summary / cnn3d_17） “打开视频” 火车： 运行train_and_detection / train.py 参考： [1]使用伪3D残差学习时空表示，ICCV2017 基于时空深度神经网络的视频烟雾检测 1.型号 2Dto3D： 3D： conv3d块（A，B，C）： 3D_DenseNet： 结果1： 结果2：