HazardNet：一种用于边缘设备实时交通安全检测的小规模视觉语言模型

本研究针对传统交通安全事件检测系统的数据收集与复杂训练过程的问题，提出了HazardNet，即通过先进的语言和视觉模型的推理能力来提高交通安全。研究表明，经过微调的HazardNet在F1分数上较基线模型提升了89%，并在某些情况下与更大模型（如GPT-4o）相比显示出可比的效果，展现了其在城市环境中实时检测交通安全事件的潜力。