基于监控摄像头的森林火灾和烟雾检测算法

zhengbochao 39c1265b7e create README.md 1 week ago
Swin-Transformer 72ce31fb2f create README.md 1 week ago
apex 6c7f7663e1 Initial commit 1 week ago
datamange 39c1265b7e create README.md 1 week ago
demo 6c7f7663e1 Initial commit 1 week ago
tutel 6c7f7663e1 Initial commit 1 week ago
wildfire-smoke-detection 6c7f7663e1 Initial commit 1 week ago
.gitignore 6c7f7663e1 Initial commit 1 week ago
README.md 39c1265b7e create README.md 1 week ago
__init__.py 6c7f7663e1 Initial commit 1 week ago
requirements.txt 6c7f7663e1 Initial commit 1 week ago

README.md

项目位置:249服务器 /data/fengyang/sunwin/code/swin_conda_env/Wildfire目录下面

  1. 标注好的数据放在datamage目录下,其中图片存放在images目录下,json文件存放在json目录下
  2. 运行datamange/createMask.py文件将datamange/data/json目录下的标注文件转化成mask图像,存放在同目录的mask目录下
  3. 运行datamange/mask2small_classification.py文件将512*512图像切成128*128(可自行更改)小块,并结合mask图像将切分出来的图片区分成有烟或无烟的两种分类样本,最终数据存放在dadamange/result_class目录中
  4. 将生成好的result_class数据区分训练集和测试集后,将训练集数据放入Wildfire/Swin-Transformer/imagemet/train/目录下,测试集数据放入Swin-Transformer/imagemet/test/目录下
  5. 运行Swin-Transformer/目录下的train.sh脚本即可开始训练

推理

  1. 将视频裁成图片,并且将图片resize成512*512大小后,将图片切成128*128的小块保存,并记录每块小图对应原图的原始位置,方便后续拼接还原
  2. 运行val.sh脚本 --datapath是需要推理图片的路径 --resume 是训练好的模型。最终得到图像分类的结果信息
  3. 将结果通过每小块图像的位置对应到原图上去,得到最终的推理结果