面向视障人士户外障碍物检测的 YOLO 模型研究
计算机视觉与模式识别
2023-12-14 v1 人工智能
机器学习
摘要
利用基于深度学习的目标检测是协助视障人士避开障碍物的有效方法。在本文中，我们实现了七种不同的 YOLO 目标检测模型，即 YOLO-NAS（小、中、大）、YOLOv8、YOLOv7、YOLOv6 和 YOLOv5，并在仔细调整超参数后进行了全面评估，以分析这些模型在包含道路和人行道上常见日常物体的图像上的表现。经过系统调查，发现 YOLOv8 是最佳模型，在一个著名的障碍物数据集（包括来自 VOC 数据集、COCO 数据集和 TT100K 数据集的图像以及研究人员收集的现场图像）上达到了 的精确率和 的召回率。尽管 YOLO-NAS 是最新模型并在许多其他应用中表现出更好的性能，但发现其在障碍物检测任务中表现欠佳。
引用
@article{arxiv.2312.07571,
title = {Investigating YOLO Models Towards Outdoor Obstacle Detection For Visually Impaired People},
author = {Chenhao He and Pramit Saha},
journal= {arXiv preprint arXiv:2312.07571},
year = {2023}
}