Fire-and-Smoke-Dataset

该数据集是一个用于火灾和烟雾检测的样本数据集，包含在多样化条件下通过手机拍摄的真实场景图像。数据集适用于训练智能摄像头、火灾报警系统、监控和安全应用中的早期火灾和烟雾检测模型。场景涵盖典型的家庭环境，如垃圾焚烧、纸张和塑料燃烧、田间作物燃烧以及家庭烹饪，包括室内和室外环境，并覆盖不同的光照和天气条件。样本数据集包含约100-200张图像，采用Pascal VOC（XML）格式标注，而完整数据集则包含约10,000+张图像，支持多种标注格式（COCO、YOLO、Pascal VOC、TF-Record）。样本数据集仅限评估和非商业研究使用，完整数据集需通过商业许可获取。

This is a sample dataset for fire and smoke detection, comprising real-world scene images captured by mobile phones under diverse conditions. It is suitable for training early fire and smoke detection models in smart cameras, fire alarm systems, surveillance and security applications. The scenarios cover typical home environments, such as waste incineration, paper and plastic combustion, crop field burning, and household cooking, including both indoor and outdoor environments, and span different lighting and weather conditions. The sample dataset contains approximately 100-200 images, annotated in Pascal VOC (XML) format, while the full dataset includes over 10,000 images and supports multiple annotation formats including COCO, YOLO, Pascal VOC, and TF-Record. The sample dataset is only permitted for evaluation and non-commercial research use, and the full dataset requires commercial licensing for access.

原始信息汇总

Fire and Smoke Detection Dataset — 样本数据集概述

数据集简介

该数据集包含真实世界中的火灾和烟雾场景图像，通过手机在多种条件下拍摄。适用于训练智能摄像头、火灾报警系统、监控和安全应用中的早期火灾和烟雾检测模型。场景包括常见的家庭环境，如垃圾燃烧、纸张和塑料燃烧、田间作物燃烧以及家庭烹饪，涵盖室内和室外环境，光照和天气条件多样。

类别

• fire（火）
• smoke（烟）

样本数据集 vs 完整数据集

特性	样本数据集（本仓库）	完整数据集
图像数量	约100–200张（子集）	10,000+张
标注格式	Pascal VOC (XML)	COCO, YOLO, Pascal VOC, TF-Record
场景多样性	代表性子集	完整范围（室内、室外、白天、夜晚、近景、远景）
商业用途	❌ 不允许	✅ 需授权
再分发	❌ 不允许	按许可条款
更新	一次性	持续更新

数据集结构

fire-and-smoke-sample/ ├── images/ # JPG图像 │ ├── image_0001.jpg │ └── ... └── annotations/ └── voc/ # Pascal VOC XML标注（每张图像对应一个） ├── image_0001.xml └── ...

每个XML文件包含Pascal VOC格式的边界框标注，文件名与对应图像匹配。

数据收集

• 来源： 真实世界手机拍摄
• 条件： 室内和室外场景；多样化的光照、天气、距离和视角
• 用途： 早期火灾/烟雾检测、异常检测、火灾报警系统、智能监控

使用方式

下载

bash

使用Hugging Face CLI

huggingface-cli download datacluster-labs/fire-and-smoke-sample --repo-type dataset --local-dir ./fire-and-smoke-sample

或直接克隆

git lfs install git clone https://huggingface.co/datasets/Dataclusterlabspvtltd/fire-and-smoke-sample

转换VOC为YOLO或COCO

使用pylabel库进行格式转换： python from pylabel import importer

VOC → YOLO

dataset = importer.ImportVOC(path="annotations/voc") dataset.export.ExportToYoloV5(output_path="annotations/yolo")

VOC → COCO

dataset.export.ExportToCoco(output_path="annotations/coco/annotations.json")

许可协议

本样本数据集采用限制性商业样本许可发布。关键条款：

• ✅ 可免费下载和评估
• ✅ 可用于学术研究（需注明出处）
• ❌ 未经DataCluster Labs许可不得用于商业用途
• ❌ 不得再分发或重新上传
• ❌ 不得用于训练商业机器学习模型

引用

如需在学术工作中引用，请使用以下BibTeX信息： bibtex @misc{datacluster_fire_smoke_sample, title = {Fire and Smoke Detection Dataset (Sample)}, author = {DataCluster Labs}, year = {2026}, howpublished = {url{https://huggingface.co/datasets/Dataclusterlabspvtltd/fire-and-smoke-sample}}, note = {Sample subset. Full dataset available for commercial licensing at [e-mail]} }

联系方式

• 商业许可/完整数据集获取： [e-mail]
• 网站： https://datacluster.ai

搜集汇总

数据集介绍

构建方式

该数据集源于真实世界场景中的移动设备采集，聚焦于火灾与烟雾的视觉识别。图像数据经由智能手机在室内外多种环境下捕获，涵盖垃圾焚烧、纸张与塑料燃烧、农田秸秆焚烧以及家庭烹饪等典型日常情境，并融入了不同光照、天气与拍摄距离的变量。注释信息采用Pascal VOC格式，以XML文件为每一张图像标注边界框，确保目标位置与类别信息清晰对应。整体构建流程从多样化的场景采集到精确的标注输出，旨在为早期火灾烟雾检测模型提供贴近实际应用场景的训练素材。

特点

该数据集以高度贴近真实应用环境为核心特点，影像来源均为移动设备在自然条件下的采集，涵盖昼夜、远近、室内外等多种复杂状况，有效提升了模型对多变场景的泛化能力。类别设置简洁明确，仅包含“火”与“烟”两个目标，便于聚焦于早期火灾信号的识别任务。作为样本子集，虽仅含数百张图像，但场景代表性较强，适合用于算法评估与原型验证。此外，数据集采用标准化VOC格式，兼容主流工具链，便于快速集成至现有研究与开发流程中。

使用方法

用户可通过Hugging Face CLI或Git LFS直接下载该样本数据集，获得图像与Pascal VOC格式注释文件。为适配不同训练框架，推荐借助pylabel等开源工具将注释格式转换为YOLO或COCO格式，例如调用ImportVOC导入数据后，使用ExportToYoloV5或ExportToCoco方法完成格式迁移。转换后的数据可直接用于多数目标检测模型的训练与评估流程。需注意的是，该样本仅限学术研究与评估用途，商业应用需联系DataCluster Labs获取完整数据集及相应授权。

背景与挑战

背景概述

Fire-and-Smoke-Dataset是由DataCluster Labs于2026年创建并发布的一款面向火灾与烟雾检测的计算机视觉数据集，旨在为智能监控、消防报警及安全预警系统提供高质量的图像标注资源。该数据集聚焦于真实世界中的火灾场景，涵盖垃圾燃烧、纸张与塑料燃烧、农田秸秆燃烧及家庭烹饪等典型室内外环境，图像采集自多种光照与天气条件下的移动设备，具备较高的场景多样性与现实应用价值。作为该领域的代表性子集，该数据集为早期火灾检测模型的训练与评估提供了标准化基础，推动了计算机视觉在公共安全与防灾减灾领域的实际落地。

当前挑战

该数据集所面临的挑战涵盖领域问题与构建过程两个方面。在领域问题层面，火灾与烟雾检测需应对目标形态多变、背景复杂、光照不均及遮挡严重等视觉难题，早期检测的实时性与准确性对模型鲁棒性提出极高要求。在构建过程中，数据采集需覆盖多种燃物类型、拍摄角度与距离范围，确保样本的多元性与代表性；标注工作则需精细区分火焰与烟雾的边界，并克服密集目标与小目标的标注难点。此外，样本集仅供评估使用，完整数据集需商业授权，一定程度上限制了学术研究的大规模复用与模型泛化能力的验证。

常用场景

经典使用场景

火灾与烟雾检测数据集（Fire-and-Smoke-Dataset）的经典使用场景聚焦于智能监控与早期预警系统的视觉感知任务。该数据集采集自真实世界中的移动电话拍摄影像，广泛涵盖室内外多变光照与天气条件下的火灾与烟雾场景，包括垃圾燃烧、农田秸秆焚烧、塑料纸张燃烧以及家庭烹饪等典型情境。研究者通常借助其提供的精细化边界框标注，训练深度学习目标检测模型，以实现对火源与烟雾的实时识别与定位，从而显著提升安防系统对初期火灾的响应灵敏度和可靠性。

实际应用

实际应用层面，该数据集直接服务于智慧城市安防、工业消防安全与森林防火监测等领域。基于其训练的检测模型可被集成至智能摄像头、火灾报警终端及无人机巡检系统中，在家庭、商业楼宇、工厂车间及户外环境实现早期火情的自动识别与即时告警。通过低成本、高效率的视觉感知替代传统传感器方式，该数据集助力减少火灾爆发前宝贵的发现时间，显著降低人员伤亡与财产损失风险，具有深远的公共安全意义。

衍生相关工作

围绕该数据集衍生的相关经典工作主要包括针对性目标检测算法的改进与多模态拓展。研究者在此数据基础上开发了基于注意力机制的火烟检测网络、轻量化模型以适配边缘设备实时运行，以及融合可见光与红外影像的多光谱检测框架。此外，该数据集还催生了少量样本学习与域迁移研究，探索在仅有有限标注情形下构建高泛化能力检测器。这些衍生工作共同推动了火灾烟雾视觉感知领域从理论探索向工程落地的实质性迈进。