dinov2-small-fire-associated-smoke-v2.5

English — retained smoke branch

Binary fire-associated smoke compatibility, not smoke-source pointing or physical aerosol density. A probable-fire ROI with no confirmed visible flame can be routed here. Input: RGB crop with 45% context per side, minimum side 160, bicubic 448×448 resize and ImageNet normalization. DINOv2 ViT-S/14 CLS embedding (384) → LayerNorm → dropout 0.15 → linear logit. Output is temperature-scaled compatibility with a low/high decision and an abstention interval. Rejected smoke keypoints, masks and spatial-refiner runs are not included.

Positive labels require retained provenance supporting fire-associated smoke or visible flame elsewhere in the source image. Crops containing a flame fragment are excluded, as are unsupported associations; ambiguous is an inference abstention state, not a third training label. Training membership is not gated by another model's predicted absence of flame. Linked v2.5-smoke-from-fire-probability: 50,183 train / 12,106 validation public ROIs, a rights-filtered subset of the retained full run corpus.

Run 20261005-075018-dinov2vits14: 3 head-only epochs then 5 epochs with the last two backbone blocks unfrozen, batch 48, BF16, seed 42. Head LR 3e-4, backbone LR 5e-6, weight decay 0.05, 0.5-epoch warmup and cosine decay per phase. Best checkpoint is tail phase E3 (overall E6) by selection-fold AUPRC. Eight epochs completed. Official DINOv2 source is pinned at 7764ea0f912e53c92e82eb78a2a1631e92725fc8.

Français — branche fumée retenue

Classifieur binaire de compatibilité avec une fumée associée à un feu, sans point d'origine, masque ou mesure physique de densité. Une ROI probable-fire sans flamme confirmée peut être évaluée. Contexte 45% par côté, minimum 160 px, resize bicubique 448×448, DINOv2-S/14 et petite tête binaire. Les associations non étayées et crops contenant un fragment de flamme sont exclus. L'abstention n'est pas une classe d'entraînement. Le run a terminé 3 époques tête seule puis 5 avec les deux derniers blocs ; poids retenu à la troisième époque de cette seconde phase, soit E6 global.

Selection, calibration and independent audit / Sélection, calibration et audit

Retained validation crops are grouped by original-image SHA-256, deterministic seed 42: 40% selection, 20% temperature fitting, 20% threshold fitting, 20% independent audit. Selection support was 4,810 crops. Thresholds are selected only when support ≥30 and the 95% Wilson lower bound meets the target: high precision ≥0.90, low negative predictive value (NPV) ≥0.95. No arbitrary fallback is enabled.

Les partitions de validation sont groupées par image d'origine : 40% sélection, 20% température, 20% seuils et 20% audit indépendant de ces choix. Les seuils exigent un support minimal de 30 et une borne basse de Wilson 95% satisfaisant la précision haute 0,90 ou la VPN basse 0,95. Aucun seuil arbitraire de remplacement n'est activé.

Temperature T=1.1490650177001953; probability sigmoid(logit / T).

Reproducible loading / Chargement reproductible

The release contains tensor-only model.safetensors, a plain config.json, an explicit inference.py and checksum provenance. Download a revision-pinned snapshot, install the repository's requirements, and load it explicitly. No Hugging Face trustremotecode is required. The optional smoke backbone fetches a pinned official Facebook Research Torch Hub source; inspect and cache that source for an offline deployment. RF-DETR 1.11 requires a native wrapper; the helper creates it locally from safe tensors and JSON, never from an external pickle.

La publication contient les tenseurs seuls, la configuration JSON, un chargeur explicite et les empreintes de provenance. Téléchargez une révision figée, installez les dépendances et chargez le module explicitement. Le backbone smoke utilise le code officiel Facebook Research figé à une révision ; conservez-le en cache pour un déploiement hors ligne. Le wrapper natif RF-DETR est construit localement à partir des tenseurs sûrs et du JSON.

Set REPOSITORY to this repository ID and REVISION to a full commit SHA from its Files tab. The complete inference CLI and geometry are documented in PIPELINEEN.md and PIPELINEFR.md. This is an explicit PyTorch research interface, not a Transformers AutoModel export.

Scope, rights and limitations / Périmètre, droits et limites

These checkpoints are retained research results. The original TEST set was locked during selection; no final held-out TEST score is claimed. Exact-byte/decoded-image duplicate checks were performed upstream, but event-level independence and deployment-domain transfer remain unestablished. Public linked data are rights-filtered subsets of the retained training corpus, not a byte-for-byte reproduction of the full training set. Private MyDataFire and undocumented With-Augmentation-Big-1 images are absent from public datasets. Publicly releasing a checkpoint does not establish deployment qualification.

Ces checkpoints sont les résultats de recherche retenus. Le TEST d'origine est resté verrouillé pendant la sélection. Les contrôles de doublons ne démontrent pas l'indépendance des événements ni le transfert vers une caméra nouvelle. Les données publiques liées sont des sous-ensembles filtrés par droits, pas le corpus complet utilisé pour l'apprentissage. Publier les poids ne constitue pas une qualification de déploiement.

The model/code release uses Apache-2.0; RF-DETR and DINOv2 upstream notices must be retained. Image rights are separate and source-specific. Predictions are visual estimates, with possible missed fire, smoke confusion, lighting artifacts and source annotation omissions. They are not a calibrated emergency alarm or geographic ignition estimate. See each linked dataset's notices before reusing images.

LiteRT FP32 export / Export LiteRT FP32 — 7 October 2026

The selected weights above are also available as a verified LiteRT inference package. It includes real CPU PyTorch/LiteRT parity evidence, output/class/preprocessing contracts, an Android ModelConfig and a Cadryl StudioPack. Static batch 1; no new training or quantization; Android-device qualification remains open. Full English/French cascade and external benchmark.

Les poids sélectionnés sont également disponibles dans le pack LiteRT d'inférence, avec validation numérique CPU, classes, coordonnées et prétraitement, contrat Android et format Cadryl. L'export conserve la sémantique et les seuils figés ; il ne constitue pas une qualification sur téléphone. Le benchmark distingue alerte d'image et localisation précise des petites flammes. Les points/masques fumée rejetés sont exclus.