智能功能融合与动态图卷积循环网络,用于强大的对象检测,以帮助残疾人在智能IoT边缘云环境中

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:

• 视力障碍显著影响心理和认知功能,需要先进的辅助模型.
• 目前针对视力受损者的研究主要集中在移动性,导航和物体检测 (OD) 上.
• 深度学习 (DL) 模型在OD中显示出很大的前景,因为它们能够从数据中提取复杂的特征表示.

研究的目的:

• 在智能物联网边缘云环境中为视力障碍者开发智能OD框架.
• 通过强大的物体检测,为视力受损者提供监控和辅助决策.
• 通过减轻视力障碍者的不利影响,提高视力障碍者的生活质量.

主要方法:

• 拟议的特征融合与动态图卷积反复网络用于强大的物体检测 (FFDGCRN-ROD) 方法.
• 图像预处理技术包括大小调整,规范化和增强.
• 使用更快的R-CNN进行对象识别和定位,结合CapsNet,SqueezeNet和Inceptionv3进行特征提取.
• 实现一个动态自适应图卷积循环网络 (DA-GCRN),用于精确的对象检测和分类.

主要成果:

• 该FFDGCRN-ROD方法在对象检测任务中表现出卓越的性能.
• 在室内OD数据集上的实验验证结果准确率为99.65%.
• 拟议的方法在帮助视力受损人士的准确性方面明显优于现有的技术.

结论:

• FFDGCRN-ROD方法为视力受损者提供了一个高度准确和强大的物体检测解决方案.
• 在物联网边缘云环境中的集成增强了实时监控和决策支持的潜力.
• 这一进步对改善视力障碍患者的独立性和生活质量具有重大前景.