시각 장애인은 주변 환경에 대한 시각적 인식이 부족하여 이동이 항상 생활에서 어려움이 되었다. 본 논문은 YOLOX를 개선한 CE-YOLOX 기반 시각 장애인 안내 시스템 장애물 검출 알고리즘을 제안한다. 우선, 특징 융합 네트워크에서 채널 축소 시 의미 정보 손실을 줄이기 위해 서브픽셀 점프 융합 모듈 SSF와 서브픽셀 컨텍스트 강화 모듈 SCE를 사용하여 채널 정보와 다양한 스케일의 의미 정보를 충분히 활용하며, 채널 주의 유도 모듈 CAG를 통해 다중 스케일 특징 융합으로 인한 혼합 현상을 줄였다. 둘째, 모델이 효과적인 특징에 더 집중하도록 전역 주의 메커니즘 GAM을 도입하여 정보 산란을 줄이고 전역 상호작용 표현을 확대해 모델 성능을 향상시켰다. 그 후, 기존 모델의 위치 회귀 손실 함수 IOU-LOSS를 SIOU-LOSS로 대체하여 경계 상자 회귀 속도와 정확도를 높였다. 마지막으로 시각 장애인 안내 시스템 감지 플랫폼을 구축하고 제안된 알고리즘을 엣지 컴퓨팅 장치인 NVIDIA Xavier NX에 이식하였다. 실험 결과 개선된 안내 시스템 장애물 알고리즘은 서버와 NVIDIA Xavier NX 플랫폼에서 일관된 mAP 90.53%를 기록하였으며, 기존 YOLOX 모델 대비 2.45% 향상되었다. 서버에서의 감지 속도는 75.93 FPS에 달했다. 본 논문의 모델은 감지 속도를 유지하면서 정확도를 향상시켜 비교 알고리즘보다 상당히 우수하며 엣지 컴퓨팅 장치 요구 사항을 충족하여 실제 적용 가치가 있다.

시각 장애인 안내 시스템;장애물 검출;서브픽셀;CEFPN;GAM;각도 손실;SIOU