revisions/v1/README.md

---
task_categories:
  - object-detection
license: other
tags:
  - image
  - yolo
  - patrol
  - safety
  - fire-detection
  - smoke-detection
  - sf
pretty_name: "NXP SF Balanced Fire/Smoke Dataset v1"
language:
  - ko
size_categories:
  - 10K<n<100K
---

# NXP SF Balanced Fire/Smoke Dataset v1

## 개요

`nxp_sf_train_balanced_v1`은 NXP `lk_vision_patroller`의 전면 화재/연기 탐지 후보 모델을 학습하기 위한 YOLO 형식의 2-class SF(smoke/fire) 데이터셋입니다.

클래스 스키마는 다음으로 고정합니다.

```yaml
0: fire
1: smoke
```

이 데이터셋은 원본 import를 직접 수정한 것이 아니라, MMS/Perception 데이터셋 체계의 `stage` 산출물로 요리한 최종 학습 snapshot입니다.

## 구성

- 포맷: YOLO detection (`images/` + `labels/*.txt`)
- split:
  - `train/images`, `train/labels`
  - `val/images`, `val/labels`
  - `test/images`, `test/labels`
- 총 이미지 수: 10,573
- 총 box 수:
  - fire: 9,673
  - smoke: 7,459
- empty-label 이미지 수: 2,467

| split | images | fire boxes | smoke boxes | empty-label images |
|---|---:|---:|---:|---:|
| train | 8,177 | 7,432 | 5,662 | 1,967 |
| val | 1,361 | 1,327 | 1,048 | 259 |
| test | 1,035 | 914 | 749 | 241 |

## 재료 데이터셋

이 stage는 아래 재료를 조합해 만들었습니다.

| source dataset | role | note |
|---|---|---|
| `kaggle_sf_train_dfire_sampled5k_v1` | sampled/remapped SF positive + empty negative | 원본 `0=smoke`, `1=fire`를 canonical `0=fire`, `1=smoke`로 remap한 5k 샘플 |
| `roboflow_sf_train_a_v1` | SF positive | smoke 포함 이미지 우선, fire-only 일부 제한 |
| `roboflow_sf_train_b_v1` | SF positive | smoke 포함 이미지 우선, fire-only 일부 제한 |
| `roboflow_sf_train_anguk_v1` | SF derived positive/negative | 원본 PSF Anguk에서 fire/smoke만 별도 파생 |
| `roboflow_sf_train_daegu_v1` | SF empty-label negative | 원본 Daegu는 person-only이므로 SF 파생본은 empty-label negative |
| `roboflow_sf_train_gongduk_v1` | SF smoke positive + negative | 원본 Gongduk person/smoke에서 smoke만 SF로 유지 |

정확한 materialization 기록은 `BUILD_MANIFEST.yaml`을 기준으로 봅니다.

## 수집 및 가공

- source import payload는 `/home/jinhyuk2me/lk_ws/ai/vision/perception/datasets/pantry/`에 보관합니다.
- class remap, sampling, PSF→SF 변환 결과는 `/home/jinhyuk2me/lk_ws/ai/vision/perception/datasets/derived/`에 보관합니다.
- 본 데이터셋은 여러 pantry/derived 재료를 조합한 `/home/jinhyuk2me/lk_ws/ai/vision/perception/datasets/stage/nxp_sf_train_balanced_v1` stage입니다.
- Roboflow/Kaggle 원본 import의 `nc` / `names`는 임의 변경하지 않습니다. 필요한 remap은 별도 derived/stage에서만 수행합니다.

## 사용법

Ultralytics YOLO 학습 예시:

```python
from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.train(
    data="/home/jinhyuk2me/lk_ws/ai/vision/perception/projects/patroller-sf-yolo11n-nxp/data-nxp-sf-train-balanced-v1.yaml",
    imgsz=320,
    epochs=200,
    patience=40,
    batch=64,
    workers=0,
)
```

MMS 학습 파라미터 예시:

```json
{
  "execute_training": true,
  "epochs_override": 200,
  "patience": 40,
  "batch_override": 64,
  "imgsz_override": 320,
  "workers": 0,
  "run_name": "sf_balanced_v1_e200_img320_b64w0_pat40_20260413",
  "data_yaml_override": "/home/jinhyuk2me/lk_ws/ai/vision/perception/projects/patroller-sf-yolo11n-nxp/data-nxp-sf-train-balanced-v1.yaml"
}
```

## 라이선스 및 제한

이 데이터셋은 Kaggle/D-Fire 계열 데이터와 Roboflow private/exported 데이터가 섞인 mixed-source stage입니다. 모든 LK 데이터셋 HF 업로드는 private repo로 수행해야 합니다. HF metadata의 `license` 필드는 `private` 값을 허용하지 않으므로 보수적으로 `other`로 두며, 공개 배포 전 각 source manifest의 라이선스 및 재배포 조건을 별도로 확인해야 합니다.

## Provenance

- dataset id: `nxp_sf_train_balanced_v1`
- build manifest: `BUILD_MANIFEST.yaml`
- MMS recipe metadata: `/home/jinhyuk2me/lk_ws/ops/ml-management/lk_mms/datasets/recipes/nxp-sf-train-balanced-v1.yaml`
- project YAML: `/home/jinhyuk2me/lk_ws/ai/vision/perception/projects/patroller-sf-yolo11n-nxp/data-nxp-sf-train-balanced-v1.yaml`