简介：这份森林火灾图像分类数据集面向计算机视觉学习者与火灾监测方向的研究者，提供约13,000张已标注图像，按有火、无火两类组织，并划分训练集与测试集，可直接用于图像分类模型的训练与泛化能力验证。资源包共2000个文件，以jpg图像为主体，另含1个py可视化脚本与1个json标注文件，压缩包约338.73MB，运行show脚本即可直观查看各类样本分布与图像样貌。目前已有437人学习下载，适合入门图像分类实战或作为火灾识别项目的练手数据。借助该数据集，读者可快速搭建二分类基线、验证网络改进效果，并结合配套的图像分类网络改进与计算机视觉项目文章，理解数据增强、模型调参与评估流程，为森林火情实时监测等应用积累可复用的实践经验。
1. 森林火灾图像分类数据集：13000 张标注图到底能训出什么模型
拿到一个约 13000 张、已经标注好的森林火灾图像分类数据集，第一反应不该是「赶紧上模型」，而是先想清楚它能解决什么业务问题。森林火灾早期识别、无人机巡检自动告警、瞭望塔摄像头智能分析，这些场景本质上都是同一件事：给一张图，判断它属于「火焰」「烟雾」还是「正常林地」。分类任务比检测简单，但对数据质量更敏感，因为一张错标图就可能让模型学到完全错误的纹理特征。
这个数据集的价值在于省掉了最耗时的采集和标注环节。13000 张的量级，按 8:1:1 划分，训练集约 10400 张，验证集和测试集各 1300 张，足够从零训练一个中等规模的卷积网络，也够对 Transformer 图像分类模型做微调。适合谁用？做智慧林业、电力巡检、应急管理方向的一线算法工程师，以及需要快速验证火灾识别可行性的团队。不适合直接拿来做像素级分割或目标检测，那是另一套标注格式的事。
2. 先搞清楚标注格式和类别分布，再谈训练
2.1 图像分类数据集的三种常见组织方式
拿到数据集先别急着写 DataLoader，用几行命令把目录结构摸清楚。图像分类数据集常见三种组织方式：按类别分文件夹（ImageFolder 格式）、CSV 标注文件（image_path,label）、以及 COCO 风格的 JSON。森林火灾数据集因为标注来源不同，可能是前两种之一。先跑一段脚本统计每个类别的图片数量和尺寸分布，这一步能提前暴露类别不平衡和坏图问题。
import os from collections import Counter from PIL import Image root = "forest_fire_dataset" class_counts = Counter() size_buckets = Counter() bad_files = [] for cls in os.listdir(root): cls_dir = os.path.join(root, cls) if not os.path.isdir(cls_dir): continue for fname in os.listdir(cls_dir): fpath = os.path.join(cls_dir, fname) try: with Image.open(fpath) as im: w, h = im.size # 按宽高比粗略分桶，便于发现异常尺寸 ratio = round(w / h, 1) size_buckets[ratio] += 1 class_counts[cls] += 1 except Exception as e: bad_files.append((fpath, str(e))) print("类别分布:", class_counts) print("宽高比分布:", size_buckets.most_common(10)) print("损坏文件数:", len(bad_files))这段脚本做了三件事：统计类别数量、统计宽高比分布、记录无法打开的文件。参数上，root换成你的数据集根目录即可。如果发现某个类别只有几百张而另一个有上万张，后面训练时必须用加权采样或 focal loss。宽高比如果集中在 1.0 到 1.5 之间，说明图片大多是常规横拍，resize 到 224×224 或 384×384 不会严重变形。损坏文件直接删掉或修复，别让它们进训练流程。
2.2 类别不平衡与标注噪声的快速判断
森林火灾分类数据集最常见的两个坑：一是「正常林地」样本远多于「火焰」和「烟雾」，因为火灾本身是小概率事件；二是烟雾和云雾、晨雾容易混标。判断标注噪声有个土办法：用预训练模型提取特征，做一次简单的聚类，看同一类内部是否分裂成明显两簇。如果「烟雾」类里有一簇和「正常林地」的某簇高度重叠，大概率存在系统性误标。
import torch import torchvision.models as models import torchvision.transforms as T from sklearn.cluster import KMeans import numpy as np # 用 ImageNet 预训练 ResNet18 提取特征，不训练，只看分布 model = models.resnet18(weights=models.ResNet18_Weights.DEFAULT) model.fc = torch.nn.Identity() model.eval() transform = T.Compose([ T.Resize((224, 224)), T.ToTensor(), T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) # 假设已经有一个 list: samples = [(img_path, label), ...] features, labels = [], [] with torch.no_grad(): for path, label in samples[:2000]: # 先抽样 2000 张看趋势 img = Image.open(path).convert("RGB") x = transform(img).unsqueeze(0) feat = model(x).squeeze().numpy() features.append(feat) labels.append(label) features = np.array(features) kmeans = KMeans(n_clusters=6, random_state=42).fit(features) print("聚类分布:", np.bincount(kmeans.labels_))这里用预训练 ResNet18 去掉全连接层当特征提取器，对每张图输出 512 维向量，再跑 KMeans。参数n_clusters设成类别数的两倍左右，方便观察类内分裂。如果某个类别的样本在聚类结果里被拆到多个簇，且这些簇和其他类别混在一起，就要人工复查那部分图片。这一步不追求精确，目的是用最小成本发现「数据本身有问题」的信号，避免后面调参调到怀疑人生。
3. 从零训练还是微调：森林火灾分类的选型与参数
3.1 用 timm 加载预训练模型做微调的最小流程
森林火灾图像和 ImageNet 的自然图像差异不算太大，火焰和烟雾的纹理、颜色特征在预训练模型里已经有不错的底层表示。我一般会优先选timm里的efficientnet_b0或convnext_tiny做微调，而不是从零训 ResNet。13000 张图从零训容易过拟合，微调收敛快且最终精度通常高 5 到 10 个百分点。
import timm import torch import torch.nn as nn from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder from torchvision import transforms # 数据增强：火灾场景要保留颜色信息，别用太激进的色彩抖动 train_tf = transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomCrop(224), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.1), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), ]) val_tf = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), ]) train_ds = ImageFolder("dataset/train", transform=train_tf) val_ds = ImageFolder("dataset/val", transform=val_tf) train_loader = DataLoader(train_ds, batch_size=32, shuffle=True, num_workers=4) val_loader = DataLoader(val_ds, batch_size=32, shuffle=False, num_workers=4) model = timm.create_model("efficientnet_b0", pretrained=True, num_classes=3) criterion = nn.CrossEntropyLoss() optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=20) device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) for epoch in range(20): model.train() for imgs, labels in train_loader: imgs, labels = imgs.to(device), labels.to(device) optimizer.zero_grad() loss = criterion(model(imgs), labels) loss.backward() optimizer.step() scheduler.step() # 验证略，实际训练时每个 epoch 后跑 val_loader 记录 acc关键参数说明：lr=1e-4是微调的常用起点，如果 loss 震荡明显降到5e-5；weight_decay=1e-4抑制过拟合；CosineAnnealingLR的T_max设成总 epoch 数，让学习率平滑降到接近零。数据增强里ColorJitter的saturation只给 0.1，因为火焰的橙红色是重要判别特征，饱和度扰动太大会把火和晚霞搞混。RandomRotation(15)模拟无人机不同角度拍摄，但别超过 30 度，否则烟雾方向特征会被破坏。
3.2 类别权重和阈值调整：让漏报率降下来
森林火灾场景里，漏报一张火焰图的代价远大于误报。训练时给「火焰」和「烟雾」类更高的损失权重，推理时再调低这两类的判定阈值。CrossEntropyLoss的weight参数直接传一个和类别数等长的张量，权重按类别频率的倒数来设。
# 假设类别顺序: [fire, smoke, normal]，数量分别为 2000, 3000, 8000 class_counts = torch.tensor([2000.0, 3000.0, 8000.0]) class_weights = 1.0 / class_counts class_weights = class_weights / class_weights.sum() * len(class_counts) criterion = nn.CrossEntropyLoss(weight=class_weights.to(device)) # 推理时对 fire 和 smoke 的 logit 加一个偏置，降低漏报 model.eval() with torch.no_grad(): logits = model(imgs) # 给前两类加 0.5 的偏置，相当于降低判定门槛 logits[:, 0] += 0.5 logits[:, 1] += 0.5 preds = logits.argmax(dim=1)权重计算逻辑是「频率越低权重越高」，再归一化到均值为 1 附近，避免整体 loss 尺度变化太大。推理偏置0.5是个经验值，实际要在验证集上画 PR 曲线，找到漏报和误报的平衡点。如果业务要求「宁可误报不可漏报」，偏置可以加到 1.0 甚至更高，代价是正常林地被误判为烟雾的概率上升。这个取舍没有标准答案，取决于你的告警后续处理成本。
4. 避坑与排查：森林火灾分类数据集训练中的五个血泪教训
4.1 现象：验证集准确率 99%，上线后一塌糊涂
原因：训练集和验证集来自同一批连续视频帧，相邻帧高度相似，导致验证集泄漏。模型记住了背景而不是火焰特征。解决：按视频来源或时间段划分数据集，确保验证集的场景和训练集不重叠。如果数据集没有来源信息，用图像哈希去重后再随机划分。
4.2 现象：模型把晚霞全部判成火焰
原因：数据集中「火焰」类包含了大量黄昏时分的火灾图，模型学到了「橙红色天空 = 火焰」的捷径。解决：检查火焰类里是否有非火灾的暖色场景，必要时补充负样本；同时在增强里加入色相扰动，迫使模型关注纹理而非纯颜色。
4.3 现象：训练 loss 正常下降，但验证 loss 从第 3 个 epoch 开始飙升
原因：学习率太大或 batch size 太小导致过拟合。13000 张图用 batch size 8 配 1e-3 的学习率，基本必炸。解决：batch size 至少 32，学习率降到 1e-4 以下，加 weight decay 和早停。如果显存不够，用梯度累积模拟大 batch。
4.4 现象：烟雾类召回率始终低于 60%
原因：烟雾标注边界模糊，很多薄雾、远景烟被标成了正常。解决：把置信度低的烟雾样本单独拿出来人工复查，或者用半监督方式给未标注的烟雾图打伪标签。另一个办法是改用二阶段：先检测疑似烟雾区域，再分类。
4.5 现象：推理速度在 CPU 上慢到无法接受
原因：用了efficientnet_b0但输入分辨率设成 512×512，CPU 单张推理超过 500ms。解决：降到 224×224，或者换mobilenetv3这类轻量骨干。如果必须高分辨率，用 ONNX Runtime 或 OpenVINO 做推理优化，通常能提速 2 到 3 倍。
5. 用混淆矩阵和 Grad-CAM 验证模型到底看哪里
训练完不是看一个 accuracy 就完事。森林火灾分类的验收标准应该是：火焰类召回率、烟雾类召回率、以及误报率三个指标同时达标。用混淆矩阵定位具体错法，再用 Grad-CAM 看模型注意力是否落在火焰和烟雾区域，而不是背景的云或树。
import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay from pytorch_grad_cam import GradCAM from pytorch_grad_cam.utils.image import show_cam_on_image # 混淆矩阵 all_preds, all_labels = [], [] model.eval() with torch.no_grad(): for imgs, labels in val_loader: preds = model(imgs.to(device)).argmax(dim=1).cpu().numpy() all_preds.extend(preds) all_labels.extend(labels.numpy()) cm = confusion_matrix(all_labels, all_preds) ConfusionMatrixDisplay(cm, display_labels=["fire", "smoke", "normal"]).plot() plt.savefig("confusion_matrix.png") # Grad-CAM 看注意力 target_layers = [model.conv_head] # efficientnet_b0 的最后一层卷积 cam = GradCAM(model=model, target_layers=target_layers) grayscale_cam = cam(input_tensor=imgs[:1].to(device)) visualization = show_cam_on_image( imgs[0].permute(1, 2, 0).cpu().numpy() * 0.5 + 0.5, grayscale_cam[0], use_rgb=True ) plt.imsave("gradcam_sample.png", visualization)混淆矩阵重点看非对角线元素：如果smoke被大量判成normal，说明烟雾特征学得不够；如果normal被大量判成fire，说明误报严重。Grad-CAM 的热力图如果集中在图片边缘或天空区域而不是火焰主体，说明模型走了捷径，需要回头检查数据增强和负样本。target_layers根据你用的骨干调整，conv_head是 EfficientNet 的最后一层卷积，换成 ResNet 就用layer4。
我自己的习惯是：每次训完模型，先跑混淆矩阵，再抽 20 张错分图看 Grad-CAM，最后才决定要不要调参。这个顺序能避免在错误的方向上浪费算力。森林火灾分类数据集的质量决定了上限，模型和参数只是逼近这个上限的手段。希望帮到你。
本文还有配套的精品资源，点击获取
