---
language:
- zh
license: other
tags:
- object-detection
- fire-detection
- dfine
- horizon
- rdk-s100p
- qat
- quantization
---

# SPARK 火灾检测模型

SPARK（**S**mall-target **P**yramid-enhanced **A**daptive **R**ecognition framewor**K**）是面向紧凑空间早期火灾检测的实时目标检测模型，检测小尺度火焰与烟雾（2 类：fire / smoke）。基于 D-FINE / DEIM 架构：**HGNetv2-B5** backbone + **SFPN**（Spatial-Frequency Pyramid Network，空间多核深度卷积 + Haar 小波频率分解）neck + **DFINE-T** decoder（500 queries）。

本仓库为 RDK S100P（march = nash-m）部署交付的 3 个模型，覆盖 浮点训练基线 → 结构剪枝 → QAT 量化 的完整链路。

## 模型列表

| 子文件夹 | 模型 | 格式 | 体积 | mAP50:95 (fire-CompactSpace val) |
|----------|------|------|------|--------------------------------|
| `spark_dfine_float_best/` | Float 训练基线 | PyTorch checkpoint | 1.2 GB | 0.7147 |
| `spark_dfine_pruned_x1.5/` | 结构剪枝 x1.5（微调后） | PyTorch checkpoint | 193 MB | 0.6863 |
| `spark_fire_prune_x1.5/` | 剪枝 + QAT 量化部署模型 | Horizon BPU 模型 (HBM, nash-m) | 346 MB | 0.6855 |

每个子文件夹内包含模型文件与说明文档（`README.md`）。

## 部署模型（spark_fire_prune_x1.5.hbm）

- **平台**：RDK S100P（march = nash-m）
- **量化方案**：QAT `int16_act_score16`（decoder 激活 qint16 + 权重 qint8，score 头输出 fp16），校准即用，无需微调
- **精度**：VALIDATION（int16-sim）mAP **0.6855**，相对剪枝模型浮点精度（0.6863）损失 < 0.1%
- **静态性能**：FPS 13.7，latency 73.0 ms，min memory 439 MB
- **输入**：`images`，[1, 3, 640, 640]，FLOAT32（RGB，预处理 /255 → [0,1]，无 mean/std）
- **输出**：`pred_logits` [1, 500, 2]、`pred_boxes` [1, 500, 4]

## 模型格式说明

| 格式 | 说明 |
|------|------|
| PyTorch checkpoint | `torch.save` 序列化 dict。float 基线含 `ema.module`/`model` 键 state_dict；剪枝模型含 `prune_model` 键（完整 DFINE 模型对象，50.03M 参数） |
| Horizon HBM | `horizon_plugin_pytorch` QAT 导出 + `hbdk4.compiler` convert/compile 生成，可直接部署到 RDK S100P BPU |

## 链路与复现

```text
spark_dfine_float_best.pth (0.7147)
        │  LAMP 结构剪枝 (74.16M→50.03M params, -36% FLOPs) + 微调恢复
        ▼
spark_dfine_pruned_x1.5.pth (0.6863)
        │  QAT int16_act_score16 校准（10 val 批，calib-only）
        ▼
spark_fire_prune_x1.5.hbm (0.6855)
```

复现代码见 [SPARK 仓库](https://github.com/lw-liuwang/SPARK)（`tools/prune/`、`tools/qat/`），文档见 `docs/剪枝指南.md`、`docs/QAT指南.md`。