Zayıf denetimli öğrenme yöntemi kullanılarak baret takma durumunun tespiti
Detection of safety helmet wearing status using weakly supervised learning
- Tez No: 1012534
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH GÖKÇE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Nesne tespiti, Object detection
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, baret takma durumunun tespitine yönelik Zayıf Denetimli Nesne Tespiti (WSOD) problemi, bölge önerilerinin sıralama davranışının Sözde Gerçek Doğru (PGT) üretim süreci ile ilişkisi açısından ele alınmıştır. Çalışmada, sınırlı etiket bilgisi altında baret ve insan başı bölgelerinin konumlandırılması hedeflenmiş; Çok Ölçekli Birleşimsel Gruplama (MCG) tabanlı bölge önerilerinin yüksek kapsama oranına rağmen, doğru konumlandırmayı sağlayan aday bölgeleri çoğu zaman öneri listesinin üst sıralarında sunmadığı gözlemlenmiştir. Bu doğrultuda, MCG tabanlı bölge önerileri üzerinde bir Öneri İyileştirme Katmanı (PRL) uygulanarak, doğru baret bölgelerini temsil eden aday önerilerin daha erken sıralara taşınması amaçlanmıştır. PRL mekanizması, Zayıf Denetimli Nesne Tespitinde Denetimin Geri Kazanımı (SoS-WSOD) yaklaşımı çerçevesi içerisine entegre edilmiş ve PGT üretim sürecinin daha tutarlı bir başlangıçla ilerlemesine olanak tanınmıştır. Deneysel bulgular, PRL'nin MCG bölge önerilerini filtrelemesi ve skora göre sıralaması ile modifiye edilen SoS-WSOD yaklaşımının, baretli insanları %64.46 AP50, %26.24 AP75 ve %91.10 CorLoc50 başarımıyla tespit etmesini sağladığını göstermiştir. Baret takmayanların tespitinde bu oranlar %9.30 AP50, %3.19 AP75 ve %49.78 CorLoc50 olarak gerçekleşmiştir.
Özet (Çeviri)
In this thesis, the problem of Weakly Supervised Object Detection (WSOD) for safety helmet wearing status is examined with a particular focus on the relationship between region proposal ranking behavior and the generation of Pseudo Ground Truth (PGT). The study aims to localize helmet and human head regions under limited annotation settings and investigates the characteristics of Multiscale Combinatorial Grouping (MCG)-based region proposals. Although MCG provides high object coverage, it is observed that region proposals corresponding to correct object localization often do not appear at early positions in the proposal ranking. Accordingly, a Proposal Refinement Layer (PRL) is applied to MCG-based region proposals with the aim of moving candidate proposals that correctly represent helmet regions to an earlier priority. By integrating the proposed PRL mechanism to the Salvage of Supervision in Weakly Supervised Object Detection (SoS-WSOD) framework and the PGT generation process is allowed to proceed from a more consistent initialization. Experimental findings demonstrated that the SoS-WSOD approach, modified by PRL to filter and rank MCG region proposals by score, detected people wearing helmets with 64.46% AP50, 26.24% AP75, and 91.10% CorLoc50 accuracy. For those not wearing helmets, these rates were 9.30% AP50, 3.19% AP75, and 49.78% CorLoc50.
Benzer Tezler
- Yari denetimli öğrenme ve füzyon teknikleri ile zayif etiketli veri kümelerinde ses olayi sezimi
Sound event detection on weakly labeled datasets with semi-supervised learning and fusion techniques
YEŞİM AKAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA SERT
- Metin gömmeleri için boyut azaltma ve karşıt öğrenme tabanlı özgün kümeleme yöntemi
A unique clustering method based on dimension reduction and contrastive-learning for text embeddings
BURAK BORHAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASİN ORTAKCI
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Optimized visual odometry and satellite image matching-based localization for UAVS in GPS-denied environments
GPS olmayan ortamlarda İHA'lar için optimizasyonlu görsel odometri ve uydu görüntüsü eşleştirme tabanlı konumandırma
ÖMER SEFA ÖZTÜRK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ALPTEKİN YILDIZ