현재 화재와 같이 데이터 수집이 제한된 특수한 경우에는 직접 데이터를 수집하거나, 데이터 증강 방식 등을 활용하여 데이터를 수집한다. 그리고 수집한 데이터는 수작업으로 라벨링을 진행하고 있다. 본 논문에서는 이를 개선하기 위해 CCTV나 동영상을 통하여 인식된 화재 데이터를 이종 객체 검출 및 Fine-tuning 방식을 활용하여 자동 라벨링 한 후 학습까지 자동 진행하게 하였다. 그리고 인식률 개선을 위해서는 중복적 라벨링을 적용한 통합 학습 방식과 객체 검출 IOU의 차이를 이용한 이미지 데이터의 선별적 적용 방식을 적용하였다. 그 결과 자동 데이터 생성은 초기 데이터 5,565개에서 10,885개로 약 95% 정도 화재 데이터가 증가하였으며, 인식률은 mAP@0.5 기준으로 64.9%에서 77.3%로 약 12.4% 정도의 개선된 결과를 얻었다.