PulseAugur
中
实时 08:41:35
English(EN) A Deep Learning-Based CCTV System for Automatic Smoking Detection in Fire Exit Zones

深度学习系统使用YOLO模型检测火灾出口吸烟

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇研究论文详细介绍了一个用于通过闭路电视监控在火灾出口区域进行实时吸烟检测的深度学习系统。该研究评估了YOLOv8、YOLOv11和YOLOv12，开发了一个定制的YOLOv8衍生模型，该模型实现了78.90%的召回率和83.70%的mAP。在边缘设备上的性能测试表明，该系统适用于时间敏感的操作，Jetson Xavier NX每秒推理处理数据在52到97毫秒之间。 AI

影响 通过提供对关键区域火灾隐患的自动化检测，增强了公共安全监控能力。

排序理由 这是一篇详细介绍深度学习在安全监控方面新应用的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习系统使用YOLO模型检测火灾出口吸烟

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Sami Sadat, Mohammad Irtiza Hossain, Junaid Ahmed Sifat, Suhail Haque Rafi, Md. Waseq Alauddin Alvi, Md. Khalilur Rhaman ·

    基于深度学习的闭路电视系统用于火灾出口区域的自动吸烟检测

    arXiv:2508.11696v3 Announce Type: replace Abstract: A deep learning real-time smoking detection system for CCTV surveillance of fire exit areas is proposed due to critical safety requirements. The dataset contains 8,124 images from 20 different scenarios along with 2,708 raw samp…

相关实体

相关话题