Key points are not available for this paper at this time.
Les systèmes de vision par ordinateur sont de plus en plus utilisés par les personnes aveugles pour naviguer dans leur vie, les aidant, par exemple, à localiser des objets tels que des portes ou des chaises. Pourtant, ces systèmes de reconnaissance ne fonctionnent pas pour de nombreux objets personnels qu'un utilisateur aveugle pourrait vouloir trouver, comme des clés ou un carnet spécial. En réponse, des efforts ont été déployés pour créer des systèmes de reconnaissance personnalisés, où les individus entraînent leurs téléphones à identifier et localiser des choses, comme une tasse à café ou une canne blanche, en utilisant des images/vidéos d'exemple. Cependant, ces outils sont entraînés sur des données provenant de contextes à haute ressource, ne reflétant pas nécessairement la culture matérielle de l'Inde. Cet article discute de la contribution du jeu de données ORBIT-India, qui étend ces outils au contexte indien, foyer de la plus grande population aveugle au monde. Le jeu de données ORBIT-India comprend 105 243 images provenant de 587 vidéos, représentant 76 objets uniques. Nous utilisons cette expérience pour examiner les pratiques de collecte de données traduites des environnements à haute ressource vers ceux à faibles ressources, fournissant des recommandations pour soutenir la collecte de données à travers les géographies.
India et al. (Mon,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: