Drishti Edge models

Набор весов от Anviksara (команда Latent Forge) для открытого проекта Drishti Edge — локального AI-монитора безопасности на обычных камерах CCTV. Две модели на базе YOLO26n: ppe.pt следит за каской и жилетом, fire_smoke.pt ищет дым и огонь. Веса рассчитаны на edge-сценарии и автоматически скачиваются Drishti при первом запуске.

⚡ Ключевые особенности

• 🛡 ppe.pt: helmet, no_helmet, vest, no_vest, а также gloves, boots, goggles и их отсутствие, person и forklift.
• 🔥 fire_smoke.pt: классы smoke и fire; обучен на D-Fire.
• ⚙ Обе модели — файнтюн YOLO26n (COCO) на Ultralytics 8.4.202 и PyTorch 2.14.1, обучение шло на GTX 1650 4 ГБ.
• 📊 Для fire/smoke авторы отдельно посчитали метрики на подвыборке без near-duplicate утечки из D-Fire.
• ⚠ Это не сертифицированный пожарный извещатель, а раннее визуальное предупреждение.

🔍 Пример

Сценарий: камера на стройплощадке передаёт кадры в Drishti Edge. ppe.pt находит людей без каски или жилета, а правило проекта учитывает только устойчивое нарушение и видимость головы или плеч. На другом потоке fire_smoke.pt подаёт ранний сигнал при появлении дыма или пламени; сигнал дополняет сертифицированные датчики и не заменяет их.

Подробнее

Fire/smoke: mAP50 0.725 на leak-free подвыборке D-Fire (smoke 0.828, fire 0.621); на официальном тесте — 0.756.
PPE: mAP50 helmet 0.837, vest 0.883, no_helmet 0.649, no_vest 0.691, person 0.948.
Ограничения: D-Fire в основном уличные и лесные кадры, тонкий дым в помещении ловится хуже; PPE-датасет небольшой, слабые случаи — бледные или размытые каски и мелкие фигуры. Fire recall ниже smoke — около 0.55–0.57 у выбранного порога.
Лицензия весов — AGPL-3.0.