FireRescue：面向消防救援场景目标检测的无人机数据集与增强型YOLO模型
计算机视觉与模式识别
2026-01-01 v1
摘要
火灾救援场景中的目标检测对于消防作战的指挥与决策至关重要。然而，现有研究仍存在两个主要局限。首先，当前工作主要集中于山地或森林等环境，对更频繁发生且结构更复杂的城市救援场景关注不足。其次，现有检测系统包含的类别数量有限，如火焰和烟雾，缺乏涵盖对指挥决策至关重要的关键目标（如消防车和消防员）的完整体系。为解决上述问题，本文首先构建了一个名为“FireRescue”的面向救援指挥的新数据集，该数据集覆盖城市、山地、森林和水域等多种救援场景，包含消防车和消防员等八个关键类别，总计15,980张图像和32,000个边界框。其次，针对因场景混乱、目标多样及远距离拍摄导致的类间混淆和小目标漏检问题，本文提出了一种名为FRS-YOLO的改进模型。一方面，该模型引入了一个即插即用的多维协同增强注意力模块，通过跨维度特征交互增强易混淆类别（例如，消防车与普通卡车）的判别性表示。另一方面，它集成了一个动态特征采样器来强化高响应前景特征，从而减轻烟雾遮挡和背景干扰的影响。实验结果表明，火灾救援场景中的目标检测极具挑战性，而所提出的方法有效提升了YOLO系列模型在此场景下的检测性能。
引用
@article{arxiv.2512.24622,
title = {FireRescue: A UAV-Based Dataset and Enhanced YOLO Model for Object Detection in Fire Rescue Scenes},
author = {Qingyu Xu and Runtong Zhang and Zihuan Qiu and Fanman Meng},
journal= {arXiv preprint arXiv:2512.24622},
year = {2026}
}