Darknet版YOLOv3火焰识别： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到80%以上 2、包含2000多张火焰检测数据集，类别名为fire，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

现阶段火灾频发，需要自动进行火灾的检测与识别，虽然存在温度、烟雾传感器等火灾检测手段，但是检测实时性得不到保证.为了解决这一问题，提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库，对火焰和烟雾区域进行类别和位置的标注，并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力，将火灾检测与识别形式化为多分类识别和坐标回归问题，得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明，本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果，同时在检测速度上也满足了实时检测的需求.