快速准确的火灾探测对人类社会和地球生态的可持续发展具有重要意义。具有与火相似特征的物体的存在增加了基于视觉的火检测的难度。通过挖掘更深的火灾视觉特征来提高火灾探测的准确性始终是一项挑战。

最近，中国科学院声学研究所(IACAS)的研究人员提出了一种有效的深度学习模型，用于快速，准确地基于视觉的火灾探测。该模型基于多尺度特征提取，隐式深度监督和渠道关注机制。

研究人员利用实时采集的图像作为模型的输入并对图像进行归一化。

在低级特征提取阶段，他们引入了多尺度特征提取机制以丰富空间细节信息，从而增强了火像物体的辨别能力。然后，采用隐式的深度监督机制来增强信息流之间的交互。

最后，研究人员使用通道注意机制选择性地强调了有助于完成任务的功能，并有效地抑制了图像噪声的干扰。

该实验结果表明，火灾探测这种高效的深度学习模型的精确度达到95.3%，但该模型大小只有4.80 MB，因此很容易在资源受限的设备来实现。

该模型在NVIDIA GTX 2080TI上每秒可处理63.5帧，这意味着它能够实时检测到火灾。与目前的基于深度学习的方法相比，该模型不仅在检测精度，模型大小和检测速度上都有了很大的提高。

该研究为实现快速准确的火灾探测提供了可行的解决方案，并使基于视觉的火灾探测成为可能。