12766

سيستم تشخيص موانع براي كمك در مسيريابي افراد كم بينا بر اساس تكنيك هاي يادگيري عميق

1401

دكتر ستار ميرزاكوچكي

ناوبري مناسب و درك دقيق محيط هاي آشنا يا ناآشنا نقش مهمي در زندگي انسان ايفا مي كند. حس بينايي به انسان كمك مي كند تا از انواع خطرات دوري كند و در محيط هاي داخلي و خارجي حركت كند. اينها فعاليت هاي چالش برانگيز براي افراد كم بينا (VIP) در همه محيط ها هستند، همچنينن افراد كم بينا در انجام وظايف روزمره زندگي مانند شناسايي و تشخيص اشيا و موانع، ناوبري و تحرك نياز به كمك دارند. در چند سال گذشته، استفاده از فناوري كمكي توسط افراد كم بينا به طور قابل توجهي در سراسر جهان افزايش يافته است. اين دستگاه ها به افراد كم بينا در انجام كارآمد وظايف روزانه كمك مي كنند، استقلال و كيفيت زندگيشان را افزايش مي دهند. با اين حال، بيشتر اين فناوري‌ها بسيار گران هستند و براي افرادي كه در كشورهاي با اقتصاد متوسط و پايين زندگي مي‌كنند مقرون به صرفه نيستند. با اين حال پيشرفت در بينايي كامپيوتر و يادگيري عميق درها را به روي توسعه راه حل هاي كم هزينه براي افراد كم بينا باز كرده است. در اين جا ما پيشرفت‌هاي اخير در تكنيك‌هاي بينايي كامپيوتر و يادگيري عميق را برجسته مي‌كنيم كه پتانسيل ارائه راه‌حل‌هاي نوآورانه به نفع جامعه افراد كم بينا را دارند. تا به امروز ميتوان گفت روش هاي مبتني بر شبكه هاي عصبي نتايج بهتري به خصوص در زمينه دقت و به نوعي در تمام زمينه ها نسبت به روش هاي ديگر ارائه كرده اند. روش هاي زيادي بر مبناي شبكه هاي عصبي معرفي شده اند كه هر كدام مزايا و معايب خاصي را دارند. شبكه هاي عصبي مورد استفاده در اين حوزه عمدتا از خانواده شبكه هاي عصبي كانولوشني (CNN) مي باشند كه در زمينه هاي تشخيص اشياء بسيار پر كاربرد مي باشند. ما در تحقيقات پيش رو قصد بررسي روش هاي موجود براي تشخيص اشيا و موانع و پيدا كردن مسير براي افراد كم بينا و مقايسه مزايا و معايب آنها نسبت به يكديگر را داريم .

11/22/2023 12:00:00 AM

81065

1402/09/07

Obstacle Detection System for Navigation Assistance of Visually Impaired People Based on Deep Learning Techniques

شبكه هاي عصبي ، يادگيري عميق(DL) ، CNN ، تشخيص اشيا ، افراد كم بينا ، مسيريابي داخلي و خارجي