# deeplearning fire

**Repository Path**: machuanlong0927/deeplearning-fire

## Basic Information

- **Project Name**: deeplearning fire
- **Description**: 深度学习大作业第八组火灾检测
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2022-06-11
- **Last Updated**: 2024-05-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# deeplearning fire

#### 介绍
深度学习大作业第八组火灾检测

#### 软件架构
运用了yolov4和yolov5

#### 安装说明
在用到手机摄像头识别时，连接手机摄像头需要下载软件ivcan，下载地址https://www.e2esoft.cn/
电脑和手机都安装好改软件，连接同一个局域网即可给电脑连接手机的摄像头，代码识别时默认手机摄像头端口为1

#### 使用说明

1.  分为yolov4-tiny-pytorch和yolov5-fire-v2两个文件夹
2.  yolov4
    （1）yolov4文件夹VOCdevkit\VOC2007路径下，新建Annotations和JPEGImages文件夹，将标注信息xml文件和图片分别放入，并运行voc2yolo4.py文件，会生成ImageSets\Main下的四个索引文件
    （2）运行voc_annotation.py文件会生成三个图片信息txt文件，修改相关参数后即可运行train.py文件开始训练，训练完成的模型将会保存在logs目录下。
    （3）修改yolo.py下的模型路径、类别文件路径、图片索引路径，即可用video.py进行预测，在根目录下放置mp4文件，video.py中capture=cv2.VideoCapture("文件名")即可识别该视频，也可以改为0或1用电脑摄像头或者手机摄像头识别
2.  yolov5
    （1）yolov5文件夹VOCData路径下，新建Annotations和images文件夹，将标注信息xml文件和图片分别放入，运行split.py和txt2yolo_label.py生成训练索引文件
    （2）由于配置文件myvoc和训练权重配置文件已经修改好，修改train.py下的相关参数即可开始训练，训练日志会保存在runs\train下
    （3）用训练出的best.pt模型可以进行预测，在detect.py中，211行def parse_opt()下可以修改相关参数，指定模型路径和识别source可以预测， 其中default=ROOT / 'test'
就是预测根目录test下的图片或视频，也可以将test改为0或1用电脑摄像头或者手机摄像头识别.识别的结果将会保存在runs\detect路径下

#### 参与贡献

1.  machuanlong