目录
- awsAdd files via upload1年前
- dataAdd files via upload1年前
- flask_rest_apiAdd files via upload1年前
- imagesAdd files via upload1年前
- loggersAdd files via upload1年前
- modelsAdd files via upload1年前
- picAdd files via upload1年前
- uiAdd files via upload1年前
- README.mdREADME.md1年前
- __init__.pyAdd files via upload1年前
- activations.pyAdd files via upload1年前
- augmentations.pyAdd files via upload1年前
- autoanchor.pyAdd files via upload1年前
- autobatch.pyAdd files via upload1年前
- callbacks.pyAdd files via upload1年前
- datasets.pyAdd files via upload1年前
- datasets_not_print.pyAdd files via upload1年前
- downloads.pyAdd files via upload1年前
- general.pyAdd files via upload1年前
- loss.pyAdd files via upload1年前
- metrics.pyAdd files via upload1年前
- plots.pyAdd files via upload1年前
- torch_utils.pyAdd files via upload1年前
- yolov5s.ptAdd files via upload1年前
邀请码
yolov5-fire
yolov5-fire：基于YoloV5的火灾检测系统，将深度学习算法应用于火灾识别与检测领域，致力于研发准确高效的火灾识别与检测方法，实现图像中火灾区域的定位，为火灾检测技术走向实际应用提供理论和技术支持。
环境配置
基于 Windows10 操作系统，python3.7，torch1.20，cuda11以及torchvision0.40的环境，使用VOC格式数据集进行训练。
训练前将标签文件放在fire_yolo_format文件夹下的labels文件夹中，训练前将图片文件放在fire_yolo_format文件夹下的images文件夹中。
训练样本集设计
从线上收集了2059张包含起火点事物的图片，组合训练集和测试集，训练集包括1442张图像，测试集包括617张图像，通过labelimg对起火位置进行标注，如图所示。
模型训练过程
模型训练流程图、训练过程及测试结果
模型训练
模型检测
基于Yolov5的火灾检测系统
系统界面设计及效果图
图片检测界面
摄像头实时检测界面
视频文件检测界面