К содержимому
Другое

YOLO11M Fire & Smoke

детектор огня и дыма на изображениях

2 мин чтенияобновлено

Модель находит на фото два класса объектов — fire и smoke — и возвращает для каждого рамку, класс и уверенность. Это YOLO11M, дообученный от yolo11m.pt на финальных аннотациях FireViewer; вход 928×928. Валидация шла на 11 266 изображениях, лучший mAP50–95 составил 38,63%. Подойдёт для прототипов пожарного мониторинга и проверки гипотез, но не как автономная система тревоги.

Ключевые особенности

  • Два класса: fire (включая видимое пламя) и smoke (включая слабый дым).
  • Вход 928×928, обучение 42 полные эпохи; лучший чекпоинт — best.pt.
  • На валидации: precision 67,51%, recall 61,98%, F1 64,63%, mAP50–95 38,63%.
  • Для дыма mAP50–95 40,44%, для огня — 36,83%.
  • Не предсказывает шесть контекстных категорий датасета и расстояние до очага; тестовые результаты не опубликованы.

Что можно сделать

  • Собрать демо-сервис, который принимает кадр с камеры и отмечает найденные очаги огня и дыма.
  • Прогнать архив изображений и найти кадры с дымом для ручной проверки.
  • Встроить модель в пайплайн Ultralytics и сравнить пороги conf на своих данных.

Пример

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

weights = hf_hub_download("fireviewer/yolo11m-fire-smoke-quality-a100-v2", "best.pt", revision="1d07a2a06cc6938f76235acb199f3e82b018c593")
model = YOLO(weights)
results = model.predict("image.jpg", imgsz=928, conf=0.25)
ПодробнееВалидация: 11 266 изображений, 10 925 боксов; mAP50–95 38,63%, AP50 65,07%, AP75 38,89%.
Обучение: YOLO11M от COCO-чекпоинта, 78 450 train / 11 266 val / 13 523 test, A100 80 ГБ, AdamW, AMP.
Ограничения: дым вдалеке, мелкие очаги, отражения, пар и перекрытия дают пропуски или ложные срабатывания; нужна проверка на своих камерах.
Лицензия AGPL-3.0; best.pt и last.pt весят по 201 292 844 байта и включают состояние обучения.
Обсудить Telegram 0 41

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # fireviewer/yolo11m-fire-smoke
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download fireviewer/yolo11m-fire-smoke --local-dir ~/models/yolo11m-fire-smoke
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к yolo11m-fire-smoke
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии yolo11m-fire-smoke — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

fireviewer/yolo11m-fire-smoke
Автор
fireviewer
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

410

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии