开放式访问

第条

基于智能深度卷积神经网络的视觉障碍人群目标检测模型

S.基鲁提卡·德维¹阿曼妮·阿卜杜拉赫曼·阿尔布雷坎²，Fahd N.Al-Wesabi^三穆罕默德·努尔⁴艾哈迈德·阿舒尔⁵安娜·穆斯塔法·希拉尔^6,*

1印度SRM科学技术研究所计算技术部
2沙特阿拉伯利雅得Nourah bint Abdulrahman公主大学计算机与信息科学学院计算机科学系，邮政信箱84428，11671
3沙特阿拉伯哈立德国王大学马哈伊尔科学与艺术学院计算机科学系
4沙特阿拉伯乌姆阿尔库拉大学计算与信息系统学院计算机科学系
5埃及新开罗未来大学工程与技术学院工程数学与物理系，邮编：11845
6沙特阿拉伯阿尔哈吉萨塔姆·本·阿卜杜勒阿齐兹王子大学计算机与自我发展系预科院长

*通讯作者：Anwer Mustafa Hilal。电子邮件：

计算机系统科学与工程 2023,46(3), 3191-3207.https://doi.org/10.32604/csse.2023.036980

收到2022年10月18日；认可的2022年12月21日；发布的版本2023年4月3日

摘要

近年来，人工智能（AI）和计算机视觉（CV）的进步带来了许多有用的方法，特别是帮助可视化的人。目标检测包括各种挑战，例如，处理多类图像、相机拍摄时增强的图像等等。测试图像也包括所有这些变体。当他们想独立行走时，这些检测模型会提醒他们周围的环境。本研究比较了四种基于CNN的预处理模型：残差网络（ResNet-50）、初始v3、密集卷积网络（DenseNet-121）和SqueezeNet，它们主要用于图像识别应用。根据对这些测试图像的分析，研究推断，Inception V3在准确性和速度方面优于其他预处理模型。为了进一步提高初始v3模型的性能，应用热交换优化（TEO）算法调整显示工作新颖性的超参数（周期数、批量大小和学习率）。由于包含辅助分类器作为正则化器，因此获得了更好的准确性，超参数优化器和因子分解方法。此外，Inception V3可以处理不同大小的图像。这使得Inception V3成为在与基于物联网（IoT）的设备集成时，在现实世界中帮助有视觉障碍的人进行通信的最佳模型。

---

关键词

---