BoWFire 火灾检测分割数据集

BoWFire 数据集是一个专门用于火焰检测的图像数据集，旨在提高火灾检测的准确性并减少误报。该数据集包括了多种紧急情况下的火灾图像，例如建筑物着火、工业火灾、车祸和骚乱等情况，同时也包括了没有可见火势的紧急情况以及类似火的区域（如日落和红色或黄色物体的图像）。

BoWFire 数据集的特点在于它不仅包含火焰的检测图像，还包括了火焰区域的分割。在数据集中，着火区域被标记为白色，非着火区域被标记为黑色，这为火焰检测和分割任务提供了有力的支持 7 。此外，数据集被分为训练集和测试集。训练数据集包含 240 个 50×50 像素的图像，其中 80 张被分类为有火，160 张被分类为无火。测试数据集包含 226 张不同分辨率的图像，其中 119 张包含火焰的图像和 107 张无火的图像 7 。

BoWFire 数据集被用于开发和评估一种新的火焰检测方法，该方法通过结合像素颜色和纹理分析来提高火焰检测的准确性，减少误报。实验结果表明，该方法在保持与现有技术相当的精度的同时，能够有效降低误报率。

研究人员还对 BoWFire 数据集进行了细致的配置和实验，使用了包括 Naive-Bayes 分类器和 KNN 分类器在内的多种算法进行像素颜色分类，并通过超像素算法和局部二值模式 (LBP) 进行纹理分类。实验结果显示，BoWFire 方法在减少误报的同时，保持了较高的火焰检测精度。

该数据集为圣保罗大学的研究团队于 2015 年发布，相关论文成果为「BoWFire: Detection of Fire in Still Images by Integrating Pixel Color and Texture Analysis」