利用新型 PYRONEAR-2025 数据集构建早期野火检测的真实世界基准
计算机视觉与模式识别
2025-10-15 v3
摘要
早期野火检测（EWD）对于实现快速响应、从而最大限度地减少野火蔓延的负面影响至关重要。为此，我们提出了 PYRONEAR-2025，一个由图像和视频组成的新数据集，可用于训练和评估烟羽检测模型，包括序列模型。数据来源于：（i）从野外野火检测公共相机网络中网络抓取的野火视频，（ii）来自我们内部相机网络的视频，以及（iii）一小部分合成和真实图像。该数据集包含对 50,000 张图像的大约 150,000 次人工标注，覆盖 640 起野火，PYRONEAR-2025 在规模和多样性上超越了现有数据集。它包含来自法国、西班牙、智利和美国的数据。最后，它由图像和视频组成，可用于训练和评估烟羽检测模型，包括序列模型。我们使用一种轻量级的最新目标检测模型（类似于实际应用中所用的模型）进行了跨数据集实验，发现所提出的数据集特别具有挑战性，F1 分数约为 70%，但比现有数据集更稳定。最后，将其与其他公共数据集协同使用有助于整体上达到更高的结果。同样重要的是，数据集的视频部分可用于训练轻量级序列模型，在保持精确度的同时提高早期检测的召回率。[我们在线上公开了代码和数据](https://github.com/joseg20/wildfires2025)。
引用
@article{arxiv.2402.05349,
title = {Constructing a Real-World Benchmark for Early Wildfire Detection with the New PYRONEAR-2025 Dataset},
author = {Mateo Lostanlen and Nicolas Isla and Jose Guillen and Renzo Zanca and Felix Veith and Cristian Buc and Valentin Barriere},
journal= {arXiv preprint arXiv:2402.05349},
year = {2025}
}
备注
Preprint of ongoing work