多策略虫优化,用于强大的室内物体检测和跟踪,用于视力障碍者,使用混合深度学习网络
Anwer Mustafa Hilal1, Da'ad Albalawneh2, Wided Bouchelligua3
1Department of Computer and Self Development, Preparatory Year Deanship, Prince Sattam bin Abdulaziz University, AlKharj, Saudi Arabia. a.hilal@psau.edu.sa.
Scientific reports
|October 21, 2025
概括
这项研究引入了一种新的对象检测和跟踪模型,用于视力受损的个人. 用混合深度学习网络 (MSDBO-ODTHDLN) 模型进行强大的对象检测和跟踪的多策略泥虫优化实现了99.77%的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 视障人士每天都面临着挑战,特别是在导航和情境意识方面.
- 现有的辅助技术往往缺乏实时,可靠的物体检测和跟踪功能.
- 对象检测对于了解环境和确保视力受损者安全至关重要.
研究的目的:
- 提出一种新的多策略虫优化模型,用于通过混合深度学习网络 (MSDBO-ODTHDLN) 进行强大的对象检测和跟踪.
- 为了增强视力受损用户的实时对象检测和跟踪.
- 通过先进技术,提高视力障碍者的安全和独立性.
主要方法:
- 使用中间波器 (MF) 进行图像预处理,以提高清晰度.
- 通过Mask R-CNN进行对象检测和定位.
- 使用CapsNet和混合卷积神经网络-双向长短期记忆 (CNN-BiLSTM) 模型的特征提取.
- 使用多策略虫优化 (MSDBO) 的超参数优化.
主要成果:
- 该MSDBO-ODTHDLN模型展示了强大的实时对象检测和跟踪.
- 该模型在室内物体检测数据集上实现了99.77%的卓越精度.
- 实验分析证实了拟议的混合深度学习方法的有效性.
结论:
- 该MSDBO-ODTHDLN模型显著提高对象检测和跟踪的视力障碍者.
- 这项技术提供了一种可靠的解决方案,以提高视力障碍者的安全性和日常生活.
- 拟议的模型代表了计算机视觉应用的辅助技术的重大进步.
