یک مطالعه درباره تشخیص و شناسایی اشیاء, الگوریتم ها و پیشرفت های اخیر در روش های مبتنی بر هوش مصنوعی, بینایی ماشین و یادگیری عمیق برای کمک و راهنمایی به افراد نابینا و کم بینا

در این مقاله، وضعیت موجود و تحلیل پژوهش ها و دستاوردهای اخیر در زمینه سیستم های مبتنی بر هوش مصنوعی و بینایی برای کمک به افراد نابینا و کم بینا (BVIP) را ارائه می دهیم. ابتدا به اهمیت فوق العاده و روزافزونی که هوش مصنوعی به دنبال استفاده از شبکه های عصبی کانولوشن (CNN) و توانایی آن ها در حل موثر وظایف طبقه بندی تصویر به دست آورده اند، اشاره می کنیم. سپس به ترکیب تشخیص اشیاء به صورت زنده و شناسایی آنها با استفاده از روش های مناسب یادگیری عمیق می پردازد تا موقعیت و نام های چندین شیء شناسایی شده توسط دوربین را با استفاده از الگوریتم تشخیص شیء شناسایی کند. می پردازیم . در ادامه ما یک مدل شناسایی و بخش بندی اشیاء مبتنی بر الگوریتم Mask R-CNN را پیشنهاد می دهیم که قادر به شناسایی و تعیین موقعیت اشیاء مختلف در تصاویر است و سپس نام و موقعیت آن ها را به زبان عربی بیان می کند. در پایان ما یک مدل تشخیص اتوبوس سبک و با دقت بالا مبتنی بر نسخه بهبود یافته مدل YOLOv۵ پیشنهاد می دهیم. ما ادغام ماژول های GhostConv و C۳Ghost را به شبکه YOLOv۵ پیشنهاد می کنیم تا دقت تشخیص را در حالی که پارامترهای مدل کاهش می یابد، حفظ کنیم.

کلیدواژه ها:

هوش مصنوعی ، افراد نابینا و کم بینا ، شبکه های عصبی عمیق ، YOLOv۵ ، یادگیری عمیق ، شناسایی اشیاء