視覚障害者は周囲の環境に対する視覚的認知が欠如しているため、移動は常に彼らの生活における悩みの種となっている。本稿では、YOLOXを改良したCE-YOLOXに基づく視覚障害者誘導システムの障害物検出アルゴリズムを提案する。まず、特徴融合ネットワークにおける特徴チャネル削減時の意味情報の損失を減らすために、サブピクセルジャンプ融合モジュールSSFとサブピクセルコンテキスト強化モジュールSCEを用いてチャネル情報と異なるスケールの意味情報を十分に活用し、チャネル注意誘導モジュールCAGによりマルチスケール特徴融合による混合効果を低減した。次に、モデルが有効な特徴により集中できるようにグローバル注意機構GAMを導入し、情報の散逸を減らしグローバルな相互作用表現を拡大してモデル性能を向上させた。その後、元のモデルの位置回帰損失関数IOU-LOSSをSIOU-LOSSに置き換え、境界ボックスの回帰速度と精度を向上させた。最後に、視覚障害者誘導システム検出プラットフォームを構築し、提案アルゴリズムをエッジコンピューティングデバイスであるNVIDIA Xavier NXに移植した。実験結果は、改良された誘導システム障害物検出アルゴリズムがサーバーおよびNVIDIA Xavier NXプラットフォーム上で一貫したmAP90.53%を示し、元のYOLOXモデルと比べて2.45%向上していることを示した。サーバー上での検出速度は75.93 FPSに達した。本稿のモデルは検出速度を維持しつつ精度を向上させ、比較アルゴリズムを大幅に上回り、エッジコンピューティングデバイスの要件を満たし、実用的な応用価値を有する。

視覚障害者誘導システム;障害物検出;サブピクセル;CEFPN;GAM;角度損失;SIOU