基于卷积神经网络、迁移学习与粒子竞争合作机制的视障辅助系统
计算机视觉与模式识别
2020-05-12 v1 机器学习
神经与进化计算
摘要
导航与移动是视障人士日常生活中面临的主要问题之一。计算机视觉的进展促使一些导航系统被提出。然而，其中大多数需要昂贵和/或沉重的硬件。本文我们提出使用卷积神经网络（CNN）、迁移学习与半监督学习（SSL）构建一个面向视障辅助的框架。它具有低计算成本，因此可在当前智能手机上实现，无需依赖任何额外设备。智能手机摄像头可用于自动拍摄前方路径图像，随后立即被分类，为用户提供近乎即时的反馈。我们还提出一个用于训练分类器的数据集，包含具有不同光照、地面和障碍物类型的室内外场景。许多不同的CNN架构作为特征提取器与分类器被评估，通过微调在更大规模数据集上预训练的权重。基于图的SSL方法，即粒子竞争与合作，也被用于分类，允许在不重新训练底层网络的情况下融入用户反馈。在所提出的数据集上，最佳监督与SSL场景分别取得了92%与80%的分类准确率。
引用
@article{arxiv.2005.04473,
title = {Visually Impaired Aid using Convolutional Neural Networks, Transfer Learning, and Particle Competition and Cooperation},
author = {Fabricio Breve and Carlos Norberto Fischer},
journal= {arXiv preprint arXiv:2005.04473},
year = {2020}
}
备注
BREVE, Fabricio Aparecido; FISCHER, Carlos Norberto. Visually Impaired Aid using Convolutional Neural Networks, Transfer Learning, and Particle Competition and Cooperation In: 2020 International Joint Conference on Neural Networks (IJCNN 2020), 2020, Glasgow, UK. Proceedings of 2020 International Joint Conference on Neural Networks (IJCNN 2020), 2020. (accepted for publication)