Soft Computing for Visual Recognition Through Audio for the Visually Impaired

Dieses Kapitel befasst sich mit der Anwendung von Soft-Computing-Techniken zur visuellen Erkennung durch Audio zur Unterstützung sehbehinderter Menschen. Die Studie bewertet verschiedene Modelle des maschinellen Lernens, darunter Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs), um die Mobilität und Unabhängigkeit von Menschen mit Sehbehinderungen zu verbessern. Die Forschung konzentriert sich auf die Verwendung von CNNs zur Feature-Extraktion und RNNs zur Erzeugung beschreibender Bildunterschriften, die dann in Audioausgabe umgewandelt werden. Die Studie vergleicht verschiedene CNN-Modelle wie VGG16, ResNet, InceptionNet, XceptionNet und MobileNet in Kombination mit GRU, einer Variante von RNN, um den effektivsten Ansatz zu ermitteln. Die Ergebnisse deuten darauf hin, dass das XceptionNet-GRU-Modell die höchste BLEU-Punktzahl von 0,86 erreichte, was seine überlegene Leistung bei der Erzeugung präziser und beschreibender Bildunterschriften beweist. In diesem Kapitel werden auch die praktischen Anwendungen dieser Modelle in realen Szenarien diskutiert und ihr Potenzial zur Verbesserung der Lebensqualität sehbehinderter Menschen hervorgehoben. Die Studie schließt mit Vorschlägen für zukünftige Untersuchungen, um die Fähigkeiten des Systems zu verbessern, wie etwa die Verwendung größerer Datensätze und Echtzeit-Bildbeschreibungen.