轉載：https://blog.csdn.net/Bit_Coders/article/details/115356535
(1)fire-dunnings-dataset
數據集地址：https://collections.durham.ac.uk/files/r2d217qp536#.YG_uqsgzqkL
這個數據集比較大，壓縮包約10.4GB2，分為fire、nofire兩類別，還有超像素分割后的火焰圖像，可以進行定位和識別，比較適合用深度學習的方法。
數據集的內容結構如下：
├── images-224x224 (5.4G / 70k PNG format files - the training and testing data sets for the binary full frame fire detection task with / without FURG data set)
│ ├── furg
│ ├── train
│ ├── train_no_furg
│ ├── testing
│ └── testing_furg
├── superpixels (2.2G / 200k PNG format files - the training and testing data sets for the superpixel fire localization task)
│ ├── isolated-superpixels
│ │ ├── train
│ │ └── testing
│ └── original-full-images
│ ├── train
│ └── testing
└── videos (4.3G / MP4 format video)
(2)VisFire - Bilkent EE Signal Processing group
火焰、煙霧檢測軟件：http://signal.ee.bilkent.edu.tr/VisiFire/index.html
視頻數據：http://signal.ee.bilkent.edu.tr/VisiFire/Demo/
采集自監控視頻，比較早的一個數據集，包含森林中的火焰、煙霧視頻。
(3)KMU Fire & Smoke Database
https://cvpr.kmu.ac.kr/
包含室內、室外煙霧與火焰、野外煙霧、類煙與類火的移動物體。
這個組也發表了很多基於深度學習的火焰、煙霧檢測論文，但是數據集壓縮包里沒有找到具體的標注文件。
(4)BoWFire( best of both worlds fire detection)
https://bitbucket.org/gbdi/bowfire-dataset/downloads/
數據集包括發生火災的不同緊急情況，例如建築物着火，工業火災，車禍和騷亂（./dataset/img）。其余圖像包括沒有可見火勢的緊急情況，以及具有類似火的區域（例如日落）和紅色或黃色物體的圖像。4
數據集包含訓練集、測試集。訓練數據集（./train）包含240個50×50像素的圖像：80張圖像被分類為有火，160張圖像被分類為非火。測試數據集（./dataset）包含226張不同分辨率的圖像：119張包含火焰的圖像和107張無火的圖像。
數據集還包括火焰區域的分割，着火區域標記為白色，而非着火區域標記為黑色（./dataset/gt）。可以用於火焰檢測和分割任務。
(5)Mivia Fire &Smoke Detection Dataset
https://mivia.unisa.it/datasets/video-analysis-datasets
有火焰與煙霧視頻數據集。火焰集中共有 31 段視頻， 其中 14 段有火焰， 其他無火焰。煙霧集包含 149 段視頻， 每一段 15 min 左右， 總時長超過 35 h， 大多是遠鏡頭煙霧視頻， 內含天空、雲霧、強陽光等干擾。
(6)中國科學技術大學火災科學國家實驗室的煙霧數據集
http://smoke.ustc.edu.cn/datasets.htm
http://staff.ustc.edu.cn/~yfn/vsd.html
其中含有真實煙霧、非煙霧圖以及大量且多樣的合成煙霧圖。數據集經過人工標注， 該團隊已利用數據集發表多篇基於深度的煙霧檢測、分割論文，說明該數據集能夠勝任深度網絡的訓練。
(7)ViSOR ( video surveillance online repository)
http://imagelab.ing.unimore.it/visor/index.asp
視頻種類較多，包含煙霧視頻; 大部分煙霧；視頻有逐幀 bounding box 級GT或逐幀全圖類標
(8)VSD Smoke Dataset
http://staff.ustc.edu.cn/~yfn/vsd.html
10段視頻，分為有煙霧和無煙霧兩個類別。
(9)Fire Calorimetry Database (FCD) - 美國國家消防研究實驗室
https://www.nist.gov/el/fire-research-division-73300
非視覺任務的一個數據集。美國消防研究部開發，用測量和預測方法來量化火災的行為，並采取措施減少火災對人，財產和環境的影響。
數據集（FCD）包含在NFRL進行的火災實驗的結果。該數據庫中包含的標本包括單個燃燒物品，設施齊全的房間，可控燃燒器，特征明確的燃料和未知成分的真實復合燃料。
使用小結
當前很多火焰、煙霧數據集，缺少精細boundingbox和mask標注，需要巨大的人工標注工作量。
火焰、煙霧邊緣模糊，導致標注標准不一致，難以准確嚴謹地評估檢測算法。且 煙霧跟天空中雲朵的形態易發生混淆。
數據集的多樣性不足，在當前數據集上訓練的火焰檢測模型，在跨域應用中的泛化性不好。
資源下載
部分參考文獻打包：
https://download.csdn.net/download/Bit_Coders/16591997
第一個dunnings數據集的網盤地址：
https://download.csdn.net/download/Bit_Coders/36130553