FireLite：利用迁移学习在资源限制环境中实现高效消防检测
本研究解决了在运输行业中，因资源限制而无法有效部署火灾检测模型的问题。提出的FireLite是一个低参数卷积神经网络，具有高达98.77%的准确率和极低的计算要求。该模型的精确性和高效性使其成为资源受限环境中火灾检测的有力解决方案。
FlameFinder是一个深度度量学习框架，利用无人机热像图在野火监测中准确检测烟火，即使被烟雾遮挡。通过热-RGB图像训练，解决传统RGB相机的局限，结合火焰分割和DML辅助检测，提升模型性能。在未遮挡和遮挡场景中均优于其他模型。
