Il progetto Blind Oriented Suggested System (BOSS) ha l'obiettivo di realizzare un sistema di supporto per persone ipovedenti basato su wearable glasses, capace di riconoscere in tempo reale gli ostacoli presenti nell'ambiente circostante. Questo lavoro di tesi si inserisce nel progetto e si concentra sulla valutazione della robustezza del modello di object detection già disponibile (architettura SSD300 con backbone VGG16), partendo da uno studio del suo funzionamento, della sua interazione con il dataset esistente e delle metriche utilizzate per misurarne le prestazioni. Sulla base di questa analisi viene riorganizzata la struttura del repository secondo nuovi requisiti; vengono poi individuati tre dataset relativi a scenari differenti — indoor, urbano e naturale — combinati in un unico training set, usato per riaddestrare il modello. Le prestazioni del modello ottenuto sono infine valutate separatamente su ciascuno dei tre scenari, per analizzarne la capacità di generalizzazione e individuarne punti di forza e debolezza. I risultati, accompagnati da un'analisi degli errori e dalla documentazione della metodologia seguita, forniscono indicazioni utili per gli sviluppi futuri del sistema.

RICONOSCIMENTO DI OSTACOLI PER IPOVEDENTI TRAMITE WEARABLE GLASSES IN SCENARI ETEROGENEI

MONTRANO, ANDREA PIO
2025/2026

Abstract

Il progetto Blind Oriented Suggested System (BOSS) ha l'obiettivo di realizzare un sistema di supporto per persone ipovedenti basato su wearable glasses, capace di riconoscere in tempo reale gli ostacoli presenti nell'ambiente circostante. Questo lavoro di tesi si inserisce nel progetto e si concentra sulla valutazione della robustezza del modello di object detection già disponibile (architettura SSD300 con backbone VGG16), partendo da uno studio del suo funzionamento, della sua interazione con il dataset esistente e delle metriche utilizzate per misurarne le prestazioni. Sulla base di questa analisi viene riorganizzata la struttura del repository secondo nuovi requisiti; vengono poi individuati tre dataset relativi a scenari differenti — indoor, urbano e naturale — combinati in un unico training set, usato per riaddestrare il modello. Le prestazioni del modello ottenuto sono infine valutate separatamente su ciascuno dei tre scenari, per analizzarne la capacità di generalizzazione e individuarne punti di forza e debolezza. I risultati, accompagnati da un'analisi degli errori e dalla documentazione della metodologia seguita, forniscono indicazioni utili per gli sviluppi futuri del sistema.
2025
OBSTACLE DETECTION FOR VISUALLY IMPAIRED PEOPLE USING WEARABLE GLASSES IN HETEROGENEOUS ENVIRONMENTS
object detection
wearable glasses
File in questo prodotto:
File Dimensione Formato  
Montrano_Andrea_Pio_Tesi_Definitiva.pdf

non disponibili

Descrizione: Tesi di laurea definitiva
Dimensione 717.87 kB
Formato Adobe PDF
717.87 kB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/65570