EAF-YOLO：面向视障人士的地铁复杂环境路线定位算法

来源：计算机工程与应用杂志2026年第15期北京时间：

作者：李莹, 陈雪峰, 何自芬

单位：昆明理工大学 机电工程学院，昆明 650500；

摘要：视障人士独立乘坐地铁时面临诸多挑战，地铁站人群密集且盲道路线复杂，视障人士常常难以到达目标位置。为解决这一难题，提出一种改进YOLOv8n的目标检测算法EAF-YOLO（ECGB Block ASFF YOLO），以实现对地铁站相关设施的精准识别，最终实现辅助视障人士地铁出行的目的。结合通道注意力CA（channel attention）与空间注意力SA（spatial attention）设计了一种新的特征提取模块ECGBlock（ECGB），通过双注意力增强对局部区域的聚焦能力，利用全局最大池化和全局平均池化兼顾平均响应和显著特征，提升特征提取的准确性。引入Shape IoU损失函数，通过对边界框形状和尺寸的考虑，使得模型能够更准确地调整预测框的形状和大小。采用自适应空间特征融合检测头，通过学习空间位置上的多尺度特征融合权重，解决特征金字塔中不同尺度间的信息不一致和多尺度特征间的协调性问题。实验结果表明，改进后的模型准确率、召回率、mAP50相较于原模型分别提升了2.4、1.6、1.6个百分点，检测速度为38.8?FPS。最后把该模型部署到Jetson TX2嵌入式设备上，经过TensorRT加速的准确率为84.1%，召回率为78.7%，mAP50为83.5%，检测速度为21.7 FPS。

关键词：辅助出行,YOLOv8n,Shape IoU损失函数,自适应空间特征融合（ASFF）,边缘计算

基金资助：国家自然科学基金（62171206）。