Adaptive Object Detection for Indoor Navigation Assistance: A Performance Evaluation of Real-Time Algorithms

要約

この研究では、視覚障害のある個人の支援技術における正確で効率的なオブジェクト検出の必要性に対処しています。
屋内ナビゲーション支援のコンテキスト内で、4つのリアルタイムオブジェクト検出アルゴリズムYolo、SSD、より速いR-CNN、およびマスクR-CNNを評価します。
屋内オブジェクト検出データセットを使用して、屋内環境への検出精度、処理速度、適応性を分析します。
私たちの調査結果は、精度と効率の間のトレードオフを強調しており、リアルタイムアシストナビゲーションのための最適なアルゴリズムを選択する洞察を提供します。
この研究は、適応型機械学習アプリケーションを進め、視覚障害者のための屋内ナビゲーションソリューションを強化し、アクセシビリティを促進します。

要約(オリジナル)

This study addresses the need for accurate and efficient object detection in assistive technologies for visually impaired individuals. We evaluate four real-time object detection algorithms YOLO, SSD, Faster R-CNN, and Mask R-CNN within the context of indoor navigation assistance. Using the Indoor Objects Detection dataset, we analyze detection accuracy, processing speed, and adaptability to indoor environments. Our findings highlight the trade-offs between precision and efficiency, offering insights into selecting optimal algorithms for realtime assistive navigation. This research advances adaptive machine learning applications, enhancing indoor navigation solutions for the visually impaired and promoting accessibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google