RGB-NIR相机中的火灾检测

Research Paper#Computer Vision, Fire Detection, Deep Learning🔬 Research|分析: 2026年1月3日 18:37•
发布: 2025年12月29日 16:48
•
1分で読める
•ArXiv

分析

本文探讨了使用RGB-NIR相机进行火灾检测的挑战，尤其是在夜间。它强调了现有模型在区分火灾和人造光方面的局限性，并提出了解决方案，包括一个新的NIR数据集、一个两阶段检测模型（YOLOv11和EfficientNetV2-B0）以及Patched-YOLO，以提高准确性，特别是对于小型和远距离的火灾物体。 关注数据增强和解决误报是其关键优势。
引用 / 来源
查看原文
"The paper introduces a two-stage pipeline combining YOLOv11 and EfficientNetV2-B0 to improve night-time fire detection accuracy while reducing false positives caused by artificial lights."
A
ArXiv2025年12月29日 16:48
* 根据版权法第32条进行合法引用。
较旧

Emergent ac Effect in Nonreciprocal Coupled Condensates

较新

A Kalman Filter-Based Disturbance Observer for Steer-by-Wire Systems

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv