通过基于最佳深度转移学习的对象检测模型,为视力受损者利用辅助技术
Mahir Mohammed Sharif Adam1, Nojood O Aljehane2, Mohammed Yahya Alzahrani3
1Department of Computer and Self Development, Preparatory Year Deanship, Prince Sattam bin Abdulaziz University, AlKharj, Saudi Arabia. m.adam@psau.edu.sa.
Scientific reports
|August 17, 2025
概括
这项研究引入了一种针对盲人的增强辅助技术,使用深度学习和一种新的优化算法来提高对象检测的准确性. 开发的技术达到99.25%的准确性,显著帮助视力受损的人.
科学领域:
- 计算机视觉 计算机视觉
- 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:
- 视力障碍显著影响认知和心理健康,需要有效的辅助技术.
- 现有的研究往往优先考虑移动性和导航,不太关注视力障碍者辅助工具的美学方面.
- 对象检测对于计算机视觉应用至关重要,深度学习技术推动了最近的进展.
研究的目的:
- 开发一个有效的对象检测模型,用于视力受损的个人使用先进的深度学习技术.
- 通过改进的辅助技术,提高盲人的生活质量.
- 解决对视力受损者辅助工具中更好的物体识别能力的需求.
主要方法:
- 通过使用徒步旅行优化算法 (EATBP-ODHOA) 的物体检测为盲人提供增强的辅助技术.
- 使用自适应双边过 (ABF) 进行图像预处理以减少噪声.
- 使用快速的R-CNN与ResNet和DenseNet-201融合模型进行特征提取和双向封闭循环单元 (Bi-GRU) 进行分类.
- 使用徒步旅行优化算法 (HOA) 优化模型参数.
主要成果:
- 在物体检测方面,EATBP-ODHOA技术实现了99.25%的卓越精度.
- 在室内物体检测数据集上的实验结果证明了该模型的有效性.
- 拟议的方法在准确性上优于现有的方法,用于协助视力受损的个人.
结论:
- EATBP-ODHOA技术为视障人士的辅助技术提供了重大进步.
- 深度学习,融合模型和新型优化算法的集成增强了对象检测能力.
- 这项技术有可能极大地改善视力障碍患者的日常生活和独立性.
