Devido à falta de percepção visual do ambiente pelos deficientes visuais, a locomoção sempre foi um problema em suas vidas. Este artigo propõe um algoritmo de detecção de obstáculos para sistema de guia para deficientes visuais baseado no YOLOX melhorado, chamado CE-YOLOX. Primeiro, para reduzir a perda de informação semântica causada pela redução dos canais no rede de fusão de características, são utilizados o módulo de fusão por salto subpixel SSF e o módulo de reforço de contexto subpixel SCE para aproveitar plenamente as informações dos canais e as informações semânticas em diferentes escalas, enquanto o módulo de atenção guiada por canais CAG reduz o efeito de aliasing causado pela fusão de características em múltipla escala. Em segundo lugar, para que o modelo se concentre mais nas características eficazes, é introduzido o mecanismo de atenção global GAM, que melhora o desempenho do modelo ao reduzir a dispersão da informação e ampliar a representação da interação global. Em seguida, a função de perda de regressão de posição IOU-LOSS do modelo original é substituída pela SIOU-LOSS, acelerando a velocidade e a precisão da regressão da caixa delimitadora. Finalmente, uma plataforma de detecção para o sistema de guia foi construída, e o algoritmo proposto foi portado para o dispositivo de computação de borda NVIDIA Xavier NX. Os resultados experimentais mostram que o algoritmo aprimorado de detecção de obstáculos do sistema tem mAP consistente tanto no servidor quanto na plataforma NVIDIA Xavier NX, alcançando 90,53%, um aumento de 2,45% em comparação com o modelo original YOLOX. A velocidade de detecção no servidor atinge 75,93 FPS. O modelo deste artigo melhora a precisão mantendo a velocidade de detecção, superando significativamente os algoritmos comparados, atendendo às exigências dos dispositivos de computação de borda e tendo valor prático de aplicação.

Sistema de guia para deficientes visuais;detecção de obstáculos;subpixel;CEFPN;GAM;perda angular;SIOU