一个智能优化的对象检测系统用于残疾人使用先进的深度学习模型与优化算法优化算法
Marwa Obayya1, Fahd N Al-Wesabi2,3, Menwa Alshammeri4
1Department of Biomedical Engineering, College of Engineering, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh, 11671, Saudi Arabia. miobaya@pnu.edu.sa.
Scientific reports
|May 13, 2025
概括
一个新的物体检测系统 (ODSDP-ADLMSSO) 通过使用先进的深度学习模型和子搜索优化来增强视力受损者的导航. 这种由人工智能驱动的方法实现了99.57%的准确性,提高了安全性和独立性.
科学领域:
- 计算机视觉和人工智能的人工智能
- 为残疾人提供辅助技术
背景情况:
- 视障人士每天都面临着技术可以解决的挑战.
- 使用计算机视觉 (CV) 和机器学习 (ML) 的物体检测 (OD) 为视力受损者提供了增强导航和问题识别的潜力.
- 在各种数据集上训练的深度学习 (DL) 模型显示出开发专门辅助技术的前景.
研究的目的:
- 为使用先进的深度学习模型和搜索优化 (ODSDP-ADLMSSO) 为残疾人提出一个新的对象检测系统.
- 为视障人士 (VIPs) 提高对象检测能力.
- 通过先进的AI,增强VIP的安全和信息导航.
主要方法:
- 使用高斯过器 (GF) 进行图像预处理,以减少噪声并提高清晰度.
- 对象检测 (OD) 使用YOLOv7模型进行识别,定位和分类.
- 通过MobileNetV3模型提取特征,并使用时间卷积网络 (TCN) 进行分类.
- 用子搜索优化算法 (SSOA) 实现的TCN模型的超参数优化.
主要成果:
- 在室内OD数据集上评估了ODSDP-ADLMSSO方法.
- 拟议的系统实现了99.57%的卓越精度.
- 与现有的物体检测技术相比,显著提高了性能.
结论:
- 在ODSDP-ADLMSSO方法有效地提高对象检测的视力受损的个人.
- 集成先进的DL模型和优化算法导致高精度的辅助技术.
- 该系统有可能通过更好的导航来提高视力受损用户的安全性和独立性.
