一种混合物体检测方法,用于视力障碍者使用子灵感优化和深度学习模型
Abdullah M Alashjaee1, Hussah Nasser AlEisa2, Abdulbasit A Darem3,4
1Department of Computer Science, College of Science, Northern Border University, Arar, Saudi Arabia.
Scientific reports
|March 21, 2025
概括
这项研究介绍了使用注意力驱动深度学习 (HAODVIP-ADL) 对视力障碍者物体检测的混合方法. 这种新的深度学习技术达到99.74%的准确性,提高了视力受损人士的安全性和导航能力.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 辅助技术 辅助技术 辅助技术
背景情况:
- 视力障碍者由于视觉知觉有限,因此面临着在环境中导航方面的挑战.
- 现有的视力障碍者技术解决方案往往会引发与位置共享有关的隐私问题.
- 深度学习 (DL) 提供了先进物体检测的潜力,以帮助日常生活和安全.
研究的目的:
- 为视障人士开发可靠和精确的物体检测系统.
- 通过先进的技术,提高视力障碍者导航的安全性和有效性.
- 提出一种新的深度学习方法,克服现有辅助技术的局限性.
主要方法:
- 开发了一种混合方法,用于对视障人士的物体检测,使用注意力驱动的深度学习 (HAODVIP-ADL).
- 图像预处理使用双边过 (BF) 来降低噪声和保护边缘.
- 对象检测采用YOLOv10框架,使用CapsNet和InceptionV3的骨干融合进行特征提取. 分类使用了多头注意力和双向长期短期记忆 (MHA-BiLSTM) 方法,并通过子灵感优化 (PIO) 进行了优化.
主要成果:
- 在物体检测任务中,HAODVIP-ADL方法表现出卓越的性能.
- 在室内物体检测数据集的实验验证结果准确率为99.74%.
- 该方法有效地整合了各种空间和上下文信息,用于准确的对象识别.
结论:
- 拟议的HAODVIP-ADL技术显著提高了视力受损用户对象检测的准确性.
- 这种先进的深度学习模型为提高视力障碍者的独立性和安全性提供了一个有希望的解决方案.
- 该方法提供了一个可靠和精确的系统,用于实时环境感知和导航辅助.
