视觉受损个体的实时货币检测与语音反馈
计算机视觉与模式识别
2025-10-24 v1
摘要
智能手机等技术已成为我们日常生活中必不可少的部分。它让每个人都更容易使用，包括视觉受损个体。通过智能手机摄像头，图像捕获和处理变得更加便利。结合智能手机和机器学习，可以让视觉受损个体的生活稍微容易一些。日常任务如处理货币而不依赖他人会给他们带来困扰。为此目的，本文提出一种实时货币检测系统，旨在帮助视觉受损个体。该模型在包含 30 类纸币和硬币的数据集上进行训练，代表美元（USD）、欧元（EUR）和孟加拉塔（BDT）三种货币类型。我们的做法使用 YOLOv8 纳米模型，配合具有深度卷积层和压缩感知块的自定义检测头，以增强特征提取和检测精度。我们的模型实现了 97.73% 的准确率、95.23% 的召回率、95.85% 的 F1 分数以及 97.21% 的平均精度（IoU=0.5 时）（mAP50(B）。在检测后使用语音反馈将帮助视觉受损个体识别货币。这篇论文旨在创建一个实用且高效的货币检测系统，以赋能视觉受损个体在处理货币方面实现独立。
引用
@article{arxiv.2510.20267,
title = {Real-Time Currency Detection and Voice Feedback for Visually Impaired Individuals},
author = {Saraf Anzum Shreya and MD. Abu Ismail Siddique and Sharaf Tasnim},
journal= {arXiv preprint arXiv:2510.20267},
year = {2025}
}
备注
20 pages, 5 tables, 8 figues