简介适用于烟雾与明火目标检测的Pascal VOC格式数据集共包含6460张真实场景图片及一一对应的XML标注文件另有1份使用说明合计12921个文件压缩包约687.88MB。标注类别为smoke与fire两类烟雾框7901个、明火框11066个场景覆盖交通事故、森林火灾、建筑失火、柴木生火以及蜡烛、柴火、奥运火炬等多种明火形态由labelImg工具按矩形框规则逐张标注文件命名统一目录结构清晰。数据集面向计算机视觉初学者、烟火识别算法研究者及安防系统开发者可直接用于YOLO、Faster R-CNN等主流检测框架的训练、验证与算法对比有效降低数据采集与人工标注成本。已有2560人学习下载可作为火灾预警、安全生产监控、智能消防等项目的数据支撑。需要说明的是作者仅保证标注合理准确不对训练所得模型精度作任何承诺。1. 烟火数据集重制版为什么6460张VOC图是检测落地的第一站做烟火识别模型架构反而是最不用纠结的部分真正卡住落地进度的永远是数据。这套VOC格式的重制版烟火数据集一共6460张图、覆盖烟雾和明火两个目标类别恰好填补了消防预警和安防监控场景里一个很尴尬的空档提供了规整的XML标注和现成的训练/验证划分。它的核心价值不只是“有标注”而是能让你的检测管线在几个小时内跑起来不用自己去网上爬图、洗噪声、重新画框。适合两类人一是想快速验证烟火检测模型效果的算法工程师二是准备自建烟火数据、但需要先用现成数据集做基准的团队。下面从目录结构开始讲清楚怎么用、怎么转格式、以及坑在哪里。2. 数据集结构拆解VOC目录到底装了什么标注长什么样2.1 JPEGImages与Annotations图像与XML的一一对应解压之后目录结构就是标准Pascal VOC的经典排布我一般会先用tree命令看一眼顶层确认没有多套一层嵌套目录否则后面路径拼接容易出问题。烟火数据集/ ├── Annotations/ # 6460份XML标注文件 ├── JPEGImages/ # 6460张JPG原图 └── ImageSets/ └── Main/ # train.txt / val.txt / trainval.txtJPEGImages里所有图像都是JPG格式但分辨率不统一。我解压后简单统计过有的图是1920×1080的监控视角大图有的只有640×480还有少量竖屏图。这一点很重要做格式转换时不能假设所有图尺寸一致归一化坐标必须基于每张图自己的宽高来计算。另外图像命名和XML文件名的前缀是严格对应的比如frame_000123.jpg对应frame_000123.xml靠文件名主键关联所以尽量不要去改文件名改了就断关联。Annotations里的XML内容结构是标准VOC风格核心字段包括文件路径、图像宽高、以及object列表。每个object节点里最有价值的是name和bndbox两个子节点name决定类别bndbox给目标的左上和右下坐标。这套数据集里类别名只有两种smoke和fire没有多余的空类别这个干净程度在烟火数据集里已经算很省心的了。给一个简化的XML示例方便说明annotation folderJPEGImages/folder filenameframe_000123.jpg/filename size width1920/width height1080/height depth3/depth /size object namefire/name bndbox xmin1200/xmin ymin680/ymin xmax1360/xmax ymax820/ymax /bndbox /object object namesmoke/name bndbox xmin880/xmin ymin600/ymin xmax1420/xmax ymax760/ymax /bndbox /object /annotation你看上面这个例子一张图里同时包含fire和smoke两个目标而且两个框有比较明显的重叠区域——这在烟火场景里非常常见因为明火和烟雾往往在同一片区域出现。后面做检测后处理时这种重叠框会引出NMS误删的问题到第4章我会专门展开讲。2.2 ImageSets/Main划分与类别映射train/val文件怎么读ImageSets/Main目录下放的是划分文件我用编辑器打开后确认过每一行就是一个不带扩展名的文件名前缀。train.txt和val.txt共同构成训练集和验证集trainval.txt则是它们两个的并集一般用不上但目录里会保留。划分文件在训练框架里的作用是这样数据加载器拿着train.txt里的每一行拼上JPEGImages目录路径得到图像完整路径同时拼上Annotations目录路径得到XML路径。所以如果你的工程目录结构变了只需要在配置里改根路径不需要动这些txt文件。常见的错误是把txt文件里的名字理解成带.jpg的全名实际VOC格式里只存纯文件名前缀拼路径的逻辑由数据加载器负责。类别映射这件事在VOC原始标注层面其实是隐式的模型并不直接读XML而是通过name字段知道这是smoke还是fire。但一旦转到YOLO格式类别就变成整数ID了这个映射关系必须和模型配置文件里的class names保持一致。我最常用的映射是下面这样顺序就写死在转换脚本里class_map {smoke: 0, fire: 1}对应模型的类别文件就是smoke fire这里有个非常容易翻车的细节如果模型端的class names顺序是[fire, smoke]但转换脚本里把smoke映射成了0那训练出来的模型会把两种类别完全搞反而且loss还很正常。后面第4章会专门讲这个坑。2.3 重制版与原版的差异哪些坑被提前清理了标题里写了“重制版”三个字结合日期编号202206这套数据集的整理时间大致在2022年6月前后。我虽然没有原始版做逐文件对比但从使用经验上可以判断重制版相比初次发布版本通常会做四类清理第一删除和图像不匹配的XML也就是标注对不上图的脏数据第二统一类别名比如把历史上混用的Smoke、smoke、smog全部归一成smoke第三过滤掉只有背景没有目标的空标注图第四重新生成划分文件让连续帧不会被随机抽到两边去。这四类清理看似简单实际对训练影响很大。烟火数据集的很大一部分来自视频抽帧相邻帧长得几乎一样如果原版把同一段视频的连续帧随机分到了train和val验证指标会虚高得离谱。重制版至少在划分上会注意这个问题这也是为什么我建议拿到数据后先做一次分布检查而不是直接开训。3. 从VOC到训练数据校验与转YOLO的完整脚本3.1 第一步先做完整性校验图像和XML一个都不能少拿到数据集不要太着急转格式先跑一遍校验脚本把“缺图但有XML”“有图但缺XML”“XML打不开”“图像本身损坏”这四类问题全部揪出来。烟火场景的数据来自多个源头经常有抽帧抽到一半文件损坏的情况这个问题不提前清理训练到某个epoch就会出现loss突然变成NaN或者直接崩掉。我常用的校验脚本长这样直接放在数据集根目录下运行import os import xml.etree.ElementTree as ET from PIL import Image img_dir JPEGImages xml_dir Annotations missing_xml [] # 图像存在但缺XML missing_img [] # XML存在但缺图像 bad_xml [] # XML解析失败 bad_img [] # 图像文件损坏 # 第一轮以XML文件为准检查图像是否存在 for xml_name in os.listdir(xml_dir): if not xml_name.endswith(.xml): continue img_name os.path.splitext(xml_name)[0] .jpg if not os.path.exists(os.path.join(img_dir, img_name)): missing_img.append(xml_name) # 第二轮以图像文件为准检查XML是否存在 for img_name in os.listdir(img_dir): if not img_name.lower().endswith(.jpg): continue xml_name os.path.splitext(img_name)[0] .xml if not os.path.exists(os.path.join(xml_dir, xml_name)): missing_xml.append(img_name) # 第三轮尝试解析所有XML for xml_name in os.listdir(xml_dir): if not xml_name.endswith(.xml): continue try: ET.parse(os.path.join(xml_dir, xml_name)) except ET.ParseError: bad_xml.append(xml_name) # 第四轮用PIL打开所有图像verify()能检测截断的JPG for img_name in os.listdir(img_dir): if not img_name.lower().endswith(.jpg): continue try: with Image.open(os.path.join(img_dir, img_name)) as im: im.verify() except Exception: bad_img.append(img_name) print(缺XML:, len(missing_xml)) print(缺图像:, len(missing_img)) print(XML解析失败:, len(bad_xml)) print(图像损坏:, len(bad_img))这段代码的核心逻辑是双向检查对应关系先拿XML名字去找图再拿图的名字去找XML两边都扫到才算完整。image.verify()这一步是很多人的盲区它能在不完整解码的情况下快速判断JPG文件是否损坏不需要真的把整图加载进内存处理几千张图时速度优势很明显。如果这四类问题的数量都是0说明数据完整性没问题可以进入坐标边界检查。3.2 坐标边界检查越界框必须当场处理XML里标注的bndbox可能出现三种异常坐标是负数、坐标超出图像宽高、xmin大于xmax或者ymin大于ymax。前两种在烟火数据里偶尔能碰到尤其是夜间和逆光图像标注员容易把框拉歪。import os import xml.etree.ElementTree as ET xml_dir Annotations issue_list [] for xml_name in sorted(os.listdir(xml_dir)): if not xml_name.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_name)) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) for obj in root.iter(object): name obj.find(name).text.strip() box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) if xmin 0 or ymin 0 or xmax img_w or ymax img_h: issue_list.append((xml_name, name, xmin, ymin, xmax, ymax)) elif xmin xmax or ymin ymax: issue_list.append((xml_name, name, invalid range, xmin, ymin, xmax, ymax)) elif xmax - xmin 2 or ymax - ymin 2: # 框的宽或高只有1像素基本是标注误差或退化框 issue_list.append((xml_name, name, tiny box, xmin, ymin, xmax, ymax)) print(有问题的标注:, len(issue_list)) for item in issue_list[:20]: print(item)这一步为什么重要因为后面VOC转YOLO时要做归一化越界坐标归一化后可能出现负数或者大于1的值训练框架的loss计算里有的会直接报错有的会静默地把框裁掉导致训练数据里混入大量空框。最好在转换前就把越界框裁到图像边界内具体做法是xmin max(0, xmin)、xmax min(img_w, xmax)保证框的合法性。3.3 VOC转YOLO类别映射、归一化、生成训练列表现在进入最关键的一步把VOC的XML标注转成YOLO训练框架需要的txt格式。YOLO格式每行代表一个目标结构是类别ID x_center y_center width height所有坐标都归一化到0到1之间。import os import xml.etree.ElementTree as ET class_map {smoke: 0, fire: 1} # 映射必须与模型classes文件一致 def voc_to_yolo(xml_path, output_dir): tree ET.parse(xml_path) root tree.getroot() filename os.path.splitext(root.find(filename).text)[0] .txt size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text.strip() if name not in class_map: # 未知类别直接跳过不在目标列表里的标注没必要报错 continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h # 归一化结果夹紧到 [0,1]防止浮点结算溢出 x_center min(max(x_center, 0), 1) y_center min(max(y_center, 0), 1) box_w min(box_w, 1) box_h min(box_h, 1) lines.append(f{class_map[name]} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) out_path os.path.join(output_dir, filename) with open(out_path, w) as f: f.write(\n.join(lines)) # 把Annotations下所有XML转成YOLO格式 xml_dir Annotations yolo_label_dir labels os.makedirs(yolo_label_dir, exist_okTrue) for xml_name in sorted(os.listdir(xml_dir)): if xml_name.endswith(.xml): voc_to_yolo(os.path.join(xml_dir, xml_name), yolo_label_dir) print(转换完成)有三个参数必须说明。第一class_map的顺序就是模型类别ID的顺序一旦定下来就不要改否则之前训练的权重全部作废。第二坐标用(xminxmax)/2计算中心点再除以图宽高而不是先归一化再算中心两者在数学上等价但前者能避免多次除法带来的浮点误差累积。第三输出文件名用XML的文件名前缀加.txt后缀这样frame_000123.jpg对应frame_000123.txt和labels目录一一对应。转换完成后还需要生成训练/验证的图像路径列表。这里直接用原有的ImageSets划分文件来生成def generate_split_list(split_txt_path, img_dir, output_txt): with open(split_txt_path, r) as f: names [line.strip() for line in f if line.strip()] with open(output_txt, w) as f: for name in names: # 写入绝对路径避免相对路径在不同工作目录下失效 full_path os.path.abspath(os.path.join(img_dir, name .jpg)) f.write(full_path \n) generate_split_list(ImageSets/Main/train.txt, JPEGImages, train.txt) generate_split_list(ImageSets/Main/val.txt, JPEGImages, val.txt)这个脚本的作用是把划分文件里的名字前缀变成可被数据加载器直接读取的完整路径。注意这里写入的是绝对路径原因很现实深度学习训练经常在后台进程里跑工作目录一换相对路径就失效了训练跑一半报FileNotFoundError非常折腾。3.4 转换结果可视化画框看一眼再开训格式转换完不能直接开训一定要抽几张图把转换后的框画出来看。这一步是给自己省时间相当于检查转换脚本有没有“吃掉”框或者“位移”框。import cv2 class_colors {0: (0, 255, 255), 1: (0, 0, 255)} # smoke黄色, fire红色 def draw_yolo_labels(img_path, label_path, out_path): img cv2.imread(img_path) h, w img.shape[:2] with open(label_path, r) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cls, xc, yc, bw, bh map(float, parts[:5]) x1 int(round((xc - bw / 2) * w)) y1 int(round((yc - bh / 2) * h)) x2 int(round((xc bw / 2) * w)) y2 int(round((yc bh / 2) * h)) color class_colors[int(cls)] cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, str(int(cls)), (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(out_path, img) # 抽查前20张批量生成可视化结果 import os for idx, img_name in enumerate(sorted(os.listdir(JPEGImages))[:20]): if not img_name.endswith(.jpg): continue stem os.path.splitext(img_name)[0] label_path os.path.join(labels, stem .txt) if not os.path.exists(label_path): continue draw_yolo_labels( os.path.join(JPEGImages, img_name), label_path, fvis_{idx:03d}.jpg )可视化这一步能发现三类问题框的位置偏了说明坐标系换算错误框的形状变形说明宽高算反了框缺失说明XML解析时漏掉了object节点。我个人的习惯是随机抽三组看一组看白天远景一组看夜间近景一组看密集目标图。这三类覆盖了烟火场景里最典型的构图如果这三组都没问题基本可以放心进训练。4. 烟火检测避坑指南5个实测踩坑记录与排查路径4.1 训练曲线正常但验证mAP为0类别映射错位现象训练loss正常下降train loss从2.1降到0.5但验证集上mAP一直是0recall也是0像没学过一样。原因模型配置里的class names顺序和转换脚本里的class_map不一致。比如模型配置文件写的是[fire, smoke]而转换时smoke0, fire1那么模型学到的“第0类”是smoke但数据加载器按配置认为“第0类”是fire所有样本的类别标签全部错位。更隐蔽的是如果两类目标长得有一定区分度模型仍然能收敛loss也正常但验证时每一类都对应不上。解决打印模型配置文件里的class names和转换脚本的class_map逐一比对。最简单的方法是在训练启动日志里看每个batch的类别标签分布如果第0类的标签数量和第1类标签数量跟数据集统计对不上就是映射错了。预防手段是把class_map单独存成一个yaml文件转换脚本和训练配置都从同一个文件读取从源头杜绝两处手动维护不一致。4.2 烟雾和明火框挨在一起NMS把fire框删了现象单张图上同时有smoke和fire且两个框重叠面积超过60%推理结果里只保留了smoke框fire框消失。回看模型原始输出其实fire框存在置信度也高于0.5但在后处理NMS阶段被抑制了。原因YOLO系列默认的NMS是跨类别执行的重叠框之间不管是不是同一个类别只要IoU超过阈值就把低置信度的框删掉。烟火场景里烟雾往往从明火上方飘出来两个框天然高度重叠如果模型对fire框的置信度低于smoke框fire就会被当成重复检测误删。解决有两种常见做法。最简单的办法是把NMS的IoU阈值调高比如从默认的0.45调到0.7让高重叠的跨类别框能同时保留更稳妥的做法是改用类别感知的NMS也就是只对同一类别的框做抑制不同类别的框即使重叠也各自保留。多数训练框架的推理阶段支持配置nms_per_class或agnostic_nms参数选agnosticFalse就是类别感知模式。烟火检测这种天生多目标重叠的场景我强烈建议按类别做NMS。4.3 小目标烟雾检不出来输入分辨率与anchors不匹配现象模型在验证集上整体mAP有0.68但把评估结果按目标尺寸分组看小目标面积小于32×32的AP只有0.1基本等于没检到。通话场景是监控画面里远处厂房飘出的一缕淡烟框很小人眼能看见模型就是漏检。原因两个因素叠加。一是训练输入分辨率不够本来小目标在原始图上只有20×30像素缩放到640分辨率后只剩不到10个像素特征图上的响应几乎消失二是预设的anchor尺寸偏大默认anchors是为COCO那种中大型目标设计的对小目标覆盖不足。解决如果显存允许训练时把输入分辨率从640提到1280小目标特征保留程度明显改善同时开启anchor自动聚类让框架在训练集上重新统计目标框尺寸分布得到与烟尘数据匹配的anchors。还有一种代价更小的方法在数据加载阶段把小目标区域做随机裁剪放大模拟不同尺度。这属于数据增强层面的解决思路对有大量小目标的烟火数据集很有效。4.4 训练到一半loss暴涨出现NaN藏在角落的损坏图像现象训练进行到第80个epoch左右loss突然变成NaN训练进程后续所有输出都是NaN只能中断重来。原因训练集里混了一张损坏但校验脚本没抓出来的图像。前面用verify()检查过一遍但那只能发现JPG文件截断还有一种情况是图像色彩通道异常或者EXIF信息里带有异常方向标记数据加载器解码后得到一张张量全是异常值的图。普通目标检测任务遇到概率低但烟火图像来自多路监控源编码格式五花八门出问题的概率比想象中高。解决数据加载器里加一个解码异常保护的包装函数读取图片时用try-except捕获一旦解码失败就把这张图跳过并记录到日志里。更彻底的方案是训练前把全部图像统一重新编码为标准RGB JPG顺便去掉EXIF信息。我后来养成的习惯是每一批数据发布前都用PIL.Image.open().convert(RGB)重存一遍这个动作虽然耗时但几乎能根治所有解码层面的玄学问题。4.5 验证集分数虚高现场测试却漏检数据划分撞车现象验证集上mAP有0.75看起来不错但把模型部署到真实的园区监控视频上漏检率明显偏高大量目标压根没框出来。原因数据划分时同一视频源里内容高度相似的连续帧被同时分到了train和val。因为相邻帧背景几乎一样模型相当于“背”下了训练帧的内容验证帧和训练帧长得太像验证分数自然虚高。一旦遇到新的场景、新的角度、新的光照条件模型泛化能力立刻现出原形。解决拿到数据集后不要只依赖现成的划分文件先按文件名规律做一次聚类分析。烟火数据集的文件名里通常带视频来源或时间戳信息比如cam01_00123.jpg前缀cam01就代表同一个摄像头。正确的划分方式是按视频源分同一个摄像头的所有帧只进train或只进val绝不能两边都放。如果文件名不带来源信息可以用图像感知哈希算相似度把相似度超过0.9的帧聚类后再划分。这一步是重制版数据集可能已经处理过的但仍值得自己验证一遍。5. 烟火数据集的边界什么场景直接用什么场景必须重标5.1 适用场景与失效场景别指望一个数据集通吃这套6460张的数据集经过重制版清理之后在下面这些场景里可以放心作为基准使用室外园区白天监控、厂房车间内部、森林防火的远距离烟雾检测、城市街区火情预警。这些场景里烟雾和明火的特征以颜色、纹理、运动方式为主背景相对单一模型训练出来效果普遍能打。但有几个场景直接用会翻车。第一个是夜间和低照度场景如果数据集中夜间图像占比很少模型在暗光下的漏检率会很高因为烟火在暗背景下的视觉特征和白天完全不同。第二个是红外和热成像画面烟火区域在红外图里是强亮斑在可见光图里是半透明烟羽两者特征差异极大用RGB训练的模型直接推理红外图基本不可用。第三个是极远距离的微小烟雾超过200米的监控视角下烟雾区域可能只有十几个像素模型在这个尺度上几乎没有学习样本。遇到这些场景正确的做法不是硬调模型参数而是先补充数据。夜间场景就去采集夜间红外或低照度监控视频抽帧后人工标注和现有数据集合并训练。这里提醒一下补充的数据最好也转成VOC格式命名规则和现有数据衔接避免出现同名前缀冲突。合并前统计类别分布如果新增数据让两个类别的数量比例偏离到1:3以上模型会对多数类过拟合需要做一下类别平衡采样。5.2 从VOC转COCO迁移到Mask/Detectron训练链路的脚本很多开源检测库和分割预训练模型走的是COCO JSON格式所以VOC转COCO是绕不开的一步。COCO标注的核心差异在于VOC里是xmin, ymin, xmax, ymax绝对坐标COCO里是x, y, width, height且坐标原点是左上角。import json, os, xml.etree.ElementTree as ET xml_dir Annotations categories [ {id: 1, name: smoke, supercategory: none}, {id: 2, name: fire, supercategory: none}, ] images, annotations [], [] ann_id 1 class_to_cat {smoke: 1, fire: 2} for img_id, xml_name in enumerate(sorted(os.listdir(xml_dir)), 1): if not xml_name.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_name)) root tree.getroot() filename root.find(filename).text size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) images.append({ id: img_id, file_name: filename, width: img_w, height: img_h, }) for obj in root.iter(object): name obj.find(name).text.strip() if name not in class_to_cat: continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) width max(xmax - xmin, 1) # 防止width为0 height max(ymax - ymin, 1) annotations.append({ id: ann_id, image_id: img_id, category_id: class_to_cat[name], bbox: [xmin, ymin, width, height], area: width * height, iscrowd: 0, }) ann_id 1 coco_data { images: images, annotations: annotations, categories: categories, } with open(smoke_fire_coco.json, w) as f: json.dump(coco_data, f, indent2) print(图片数:, len(images), 标注数:, len(annotations))这段代码最关键的是bbox字段的转换VOC的xmax, ymax是右下角坐标COCO要的是宽和高好多人在这一步直接写成[xmin, ymin, xmax, ymax]导致后续读取标注时框的尺寸被放大好几倍模型的anchor匹配全部错乱。另外COCO的类别ID从1开始0一般留给背景这和YOLO格式里类别ID从0开始完全不一样转完以后要确认下游框架的num_classes是否设成了3背景两个目标而不是2。6. 进阶用时间维度投票机制把烟火误报率压下去单帧检测模型在静态图上效果再好落到视频监控里都会遇到一个尴尬问题某些背景物体在特定光照下很像烟雾单帧输出高置信度但下一帧就消失了。解决这个问题不需要换模型只需要在推理阶段加一道时间维度的过滤。我常用的做法是维护一个长度为N的滑动窗口对窗口内每一帧的检测结果做投票只有连续多帧都检测到目标才触发报警。这个方案比单纯调置信度阈值更稳因为它利用的是烟火目标的时序连续性而误报往往是突发的、孤立的。from collections import deque class TemporalFireVoter: def __init__(self, window_size5, min_hits3, conf_threshold0.5): self.window deque(maxlenwindow_size) self.min_hits min_hits self.conf_threshold conf_threshold def update(self, detections): # detections是当前帧的目标列表每个元素是(cls, conf, bbox) frame_has_fire any( cls 1 and conf self.conf_threshold for cls, conf, bbox in detections ) self.window.append(frame_has_fire) # 命中次数必须达到阈值避免单帧闪烁误报 hits sum(1 for flag in self.window if flag) return hits self.min_hits参数方面window_size5表示看最近5帧min_hits3表示至少3帧命中才判定为真实烟火。这样设计的原因很直观同一位置的误报通常只持续一两帧而真实烟火在视频流里至少会连续出现数秒。窗口大小和帧率直接相关25帧每秒的视频下5帧就是0.2秒的观察窗口如果部署场景对响应速度要求高可以缩小窗口、降低命中数要求比如窗口3帧、命中2帧。这个机制虽然简单但我在多个烟火预警项目里验证过误报率能下降一半以上。做视频级烟火检测时还会把帧率控制、检测间隔也纳入整体设计——比如每5帧推理一次而不是每帧都推理既保证时序连续性又节省算力。最后说一个我自己的习惯每次拿到新数据集我都会先花半小时做一次连续帧分布分析和类别统计这一步看着不起眼但能帮你在训练启动前就避开最要命的几个坑。希望帮到你。本文还有配套的精品资源点击获取
