基于轻量 CNN 的视障者过街辅助

在本文中，我们解决了视障者在过路口时普遍面临的一个问题，并提出了一种以移动应用形式呈现的解决方案。该应用利用深度学习卷积神经网络模型 LytNetV2，输出视障者在无人类同伴或导盲犬时可能缺失的必要信息。该应用的原型可在 iOS 11 或更高版本的设备上运行。其设计兼顾全面性、简洁性、准确性和计算效率，通过实时提供过马路所需的两项最重要信息——行人交通灯颜色与方向来实现。此外，该方案以免费移动应用的形式呈现，专门旨在帮助面临经济负担的人群。通过对 MobileNetV3 中深度可分离卷积与 squeeze-excite 层等关键原则的修改与利用，该深度神经网络模型达到了 96% 的分类准确率和 6.15 度的平均角度误差，同时以 16.34 帧每秒的帧率运行。另外，该模型作为图像分类器进行训练，从而实现更快且更准确的模型。该网络在准确率和完备性上均优于目标检测和非深度学习算法等其他方法。信息通过听觉信号与振动传递，并已在七名视障者上测试，获得了超出满意的反馈。