物联网驱动的对象检测框架用于使用深度转移学习和河马优化进行消费品监控
Amnah Alshahrani1, Mukhtar Ghaleb2, Hany Mahgoub3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|August 17, 2025
概括
这项研究引入了使用深度学习和河马优化算法进行的消费产品全息可视化物体检测 (ODHVCP) 模型. 该系统实现了99.64%的准确性,用于增强消费者产品可视化和交互.
科学领域:
- 计算机视觉 计算机视觉
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
- 增强现实 (AR) 是一种增强现实.
- 全息通讯 全息通讯
背景情况:
- 消费者对定制产品的需求推动了基于消费的生产,需要通过物联网进行先进的传感和数据集成.
- 增强现实 (AR) 和全息通信通过将数字信息叠加到现实世界上来增强用户体验,从而创建沉浸式3D交互.
- 对象检测 (OD) 是一项关键的计算机视觉挑战,深度学习 (DL) 在消费品等应用中取得了显著的进步.
研究的目的:
- 开发基于物联网的物体检测系统,用于消费产品的全息可视化.
- 整合深度学习模型和一种新的优化算法,用于准确的对象检测和沉浸式可视化.
- 通过实时全息显示检测到的产品来增强消费者的互动体验.
主要方法:
- 使用Wiener过 (WF) 进行图像预处理,以提高质量和减少噪声.
- 使用Faster R-CNN进行对象检测,并使用SqueezeNet.Net进行特征提取.
- 使用卷积自编码器 (CAE) 进行分类,并通过河马优化算法 (HOA) 进行超参数优化.
- 使用二进制幅度全息图 (BAH) 生成的全息可视化.
主要成果:
- 在室内OD数据集上,ODHVCP-HOADL模型实现了99.64%的卓越准确性.
- 证明了深度学习的有效集成,用于对象检测和全息显示.
- 验证了模型在识别和可视化消费产品方面的表现.
结论:
- ODHVCP-HOADL模型提供了一个高度准确和有效的解决方案,用于对象检测和消费产品的全息可视化.
- 物联网,深度学习和全息技术的整合为交互式消费体验带来了重大进步.
- 拟议的系统通过以消费为基础的生产和沉浸式可视化来满足对定制产品的需求.
