Debido a la falta de percepción visual del entorno en personas ciegas, el desplazamiento siempre ha sido una dificultad en sus vidas. Este artículo propone un algoritmo de detección de obstáculos para un sistema de guía para ciegos basado en una versión mejorada de YOLOX, denominado CE-YOLOX. Primero, para reducir la pérdida de información semántica causada por la reducción de canales en la red de fusión de características, se utilizan el módulo de fusión por salto subpíxel SSF y el módulo de mejora de contexto subpíxel SCE para aprovechar plenamente la información de los canales y la información semántica a diferentes escalas, y el módulo de atención guiada por canales CAG reduce el efecto de aliasing causado por la fusión de características multiescala. Segundo, para que el modelo se enfoque más en las características efectivas, se introduce el mecanismo de atención global GAM, que mejora el rendimiento del modelo al reducir la dispersión de información y ampliar la representación de la interacción global. Luego, se reemplaza la función de pérdida de regresión de posición IOU-LOSS del modelo original por SIOU-LOSS, acelerando la velocidad y precisión de la regresión de los cuadros. Finalmente, se construye una plataforma de detección para el sistema de guía para ciegos y se traslada el algoritmo propuesto al dispositivo de computación perimetral NVIDIA Xavier NX. Los resultados experimentales muestran que el algoritmo mejorado de detección de obstáculos del sistema tiene un mAP consistente en el servidor y en la plataforma NVIDIA Xavier NX, alcanzando el 90,53 %, lo que representa una mejora del 2,45 % en comparación con el modelo original de YOLOX. La velocidad de detección en el servidor alcanza 75,93 FPS. El modelo presentado en este artículo mejora la precisión manteniendo la velocidad de detección, superando significativamente los algoritmos comparados, cumple con los requisitos de los dispositivos de computación perimetral y tiene un valor práctico de aplicación.

Sistema de guía para ciegos;detección de obstáculos;subpíxel;CEFPN;GAM;pérdida angular;SIOU