CCi-YOLOv8n：结合 CARAFE 与上下文引导模块的增强火灾检测
计算机视觉与模式识别
2025-07-08 v3
摘要
城市与森林地区的火灾事件构成严重威胁，凸显了对更有效检测技术的需求。为应对这些挑战，我们提出了 CCi-YOLOv8n，一种针对小火与烟雾检测进行定向改进的增强型 YOLOv8 模型。该模型集成了 CARAFE 上采样算子和上下文引导模块，以减少上采样与下采样过程中的信息丢失，从而保留更丰富的特征表示。此外，采用倒残差移动块增强的 C2f 模块来捕捉小目标与细微烟雾模式，这是对原模型检测能力的关键改进。为了进行验证，我们引入了 Web-Fire，一个为跨多种真实场景的火灾与烟雾检测而整理的数据集。实验结果表明，CCi-YOLOv8n 在检测精度上优于 YOLOv8n，证实了其在鲁棒火灾检测任务中的有效性。
引用
@article{arxiv.2411.11011,
title = {CCi-YOLOv8n: Enhanced Fire Detection with CARAFE and Context-Guided Modules},
author = {Kunwei Lv and Ruobing Wu and Suyang Chen and Ping Lan},
journal= {arXiv preprint arXiv:2411.11011},
year = {2025}
}
备注
13 pages,7 figures