Из-за отсутствия у слепых зрительного восприятия окружающей среды передвижение всегда было затруднено в их жизни. В данной статье предлагается алгоритм обнаружения препятствий в системе помощи слепым на основе улучшенного YOLOX под названием CE-YOLOX. Во-первых, для уменьшения потери семантической информации при сокращении каналов признаков в сети объединения признаков используются модули субпиксельного прыжкового объединения SSF и субпиксельного контекстного усиления SCE для полного использования информации каналов и семантической информации разных масштабов, а также модуль направленного внимания по каналам CAG для уменьшения эффекта наложения, вызванного многоуровневым объединением признаков. Во-вторых, чтобы сделать модель более сфокусированной на эффективных признаках, введен глобальный механизм внимания GAM, который улучшает производительность модели за счет уменьшения рассеивания информации и расширения глобального взаимодействующего представления. Затем функция регрессии положения IOU-LOSS оригинальной модели была заменена на SIOU-LOSS, что ускорило скорость и точность регрессии рамок. Наконец, была построена платформа обнаружения для системы помощи слепым, и предложенный алгоритм был перенесен на вычислительное устройство NVIDIA Xavier NX для периферийных вычислений. Результаты экспериментов показали, что улучшенный алгоритм обнаружения препятствий в системе помощи слепым демонстрирует одинаковый mAP на сервере и платформе NVIDIA Xavier NX, достигнув 90,53%, что на 2,45% выше по сравнению с исходной моделью YOLOX. Скорость обнаружения на сервере достигла 75,93 FPS. Модель в данной статье улучшает точность, сохраняя скорость обнаружения, значительно превосходит сравнительные алгоритмы, соответствует требованиям периферийных вычислительных устройств и имеет практическую ценность.

Система помощи слепым;обнаружение препятствий;субпиксель;CEFPN;GAM;угловая потеря;SIOU