.png){kind=icon}
返回
AI-Generated Fire Images for Object Detection-Based Fire Detection
.png){kind=icon}
OA
AI
DOI：10.3390/fire9070274.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于视觉的火灾检测模型常受限于标注的火焰和烟雾图像多样性不足，尤其是在火灾位置、火焰尺度、烟雾密度、起火原因及室内场景上下文等方面。本研究探讨了基于生成式AI的合成图像能否扩展火灾图像多样性并提升基于目标检测的火灾检测性能。真实火灾图像与常规增强图像及使用ChatGPT-4.o和ChatGPT-5.5生成的合成图像相结合。生成的图像通过考虑火灾位置、尺度和原因的多变量提示构建，并使用预训练的火灾检测模型筛选不合适的样本。YOLOv8n、YOLOv11n和RT-DETR在48种数据集-检测器条件下训练，并使用固定的验证和测试数据集进行评估。结果表明，基于生成图像的训练通常能维持或提升检测性能，优于原始和常规增强条件。特别是，选定的ChatGPT-4.o基础YOLOv11条件在匹配的增强条件下表现出统计学上的显著改进，精确度提升+0.052，召回率提升+0.031，mAP@0.5提升+0.065，mAP@0.5:0.95提升+0.038。LPIPS和t-SNE分析表明，生成图像相对于真实火灾图像形成了结构化的感知和特征空间分布。基于位置特定视频帧的场景推理也显示，在多个复杂室内火灾环境中模型响应稳定。这些发现表明，经过验证的生成式AI图像能够补充真实火灾数据集有限的视觉多样性，并提升基于视觉的火灾检测模型的鲁棒性。
Keyword:
fire detection
object detection
generative AI
synthetic fire image
RT-DETR
