SPARK 火灾检测模型

SPARK（Small-target Pyramid-enhanced Adaptive Recognition frameworK）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

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（tools/prune/、tools/qat/），文档见 docs/剪枝指南.md、docs/QAT指南.md。