Combining image features for semantic descriptions
Anlamsal tanımlamalar için görüntü öznitelikleri birleştirme
- Tez No: 143475
- Danışmanlar: DOÇ. DR. AYDIN ALATAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: içerik tabanlı dizinleme, MPEG-7, sınırlandırıcı birleştirme, content-based indexing, MPEG-7, combining classifiers
- Yıl: 2003
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sayısal çoğulortam içeriği üretimi ve dolayısıyla tüm dünyada varolan içerik miktarı geçtiğimiz yıllarda büyük bir artış göstermiştir. Bu artışın sonuçlarına değişik şekillerde de olsa her yerde rastlanabilmektedir. Örnek vermek gerekirse, belli başlı yayın kuruluşlarının dev sayısal video arşivleri, ticari amaçlı imge arşivleri ve sanal müzeleri bunlar arasında sayabiliriz. Bu kaynakların yararlı ve erişilebilir olması için, bu teknolojik ilerlemenin etkili dizinleme ve erişim teknikleriyle desteklenmesi gerekmektedir. En etkili dizinleme, çoğulortam veritabanlarımn sıradan kullanıcılarının sorgularını dayandırdıkları anlamsal kavramları temel alan erişime olanak sağlayan dizinlemedir. Öte yandan, imgelerin düşük seviyeli tanımlayıcılar yoluyla anlamsal sınıflara ayrılması zor bir problemdir. Değişik sınırlandırıcı yapılarına sahip, MPEG-7 düşük seviye renk ve doku tanımlayıcıları ile eğitilmiş uzmanların birleştirilmesi bir çözüm alternatifi olarak incelenmiştir. Değişik sınırlandırıcı yapılarını ve imge özelliklerini biraraya getirebilmek için temel uzman birleştirme metodlannı farklı şekillerde kullanan gelişmiş karar mekanizmaları önerilmiştir. Bu karar mekanizmalarının herbiri sınıflandırma performansı konusunda tekil uzmanların sağladığından daha başarılı sonuçlar elde etmişlerdir. Deneyler sekiz ayrı görsel anlamsal sınıf üzerinde yapılmış ve birleşik uzmanlar tekil uzmanların en başarılısından %3. 5-6.5 arasında daha iyi sonuç vermişlerdir.
Özet (Çeviri)
Digital multimedia content production and the amount of content present all over the world have exploded in the recent years. The consequences of this fact can be observed everywhere in many different forms, to exemplify, huge digital video archives of broadcasting companies, commercial image archives, virtual museums, etc. In order for these sources to be useful and accessible, this technological advance must be accompanied by the effective techniques of indexing and retrieval. The most effective way of indexing is the one providing a basis for retrieval in terms of semantic concepts, upon which ordinary users of multimedia databases base their queries. On the other hand, semantic classification of images using low-level features is a challenging problem. Combining experts with different classifier structures, trained by MPEG-7 low-level color and texture descriptors, is examined as a solution alternative. For combining different classifiers and features, advanced decision mechanisms are proposed, which utilize basic expert combination strategies in different settings. Each of these decision mechanisms, namely Single Feature Combination (SFC), Multiple Feature Direct Combination (MFDC), and Multiple Feature Cascaded Combination (MFCC) enjoy significant classification performance improvements over single experts. Simulations are conducted on eight different visual semantic classes, resulting in accuracy improvements between 3.5-6.5%, when they are compared with the best performance of single expert systems.
Benzer Tezler
- Content Aware State Space Model for Remote Sensing Image Captioning
Uzaktan Algılama Görüntüleri için İçerik Duyarlı Durum-UzayıModelleri ile Görüntü Altyazılanması
MELİKE AKDAĞ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. NAZLI İKİZLER CİNBİŞ
- Density-based shape descriptors and similarity learning for 3D shape retrieval
3B nesne arama için olasılık yoğunluğuna dayalı şekil betimleyicileri ve benzerlik öğrenme
CEYHUN BURAK AKGÜL
Doktora
İngilizce
2008
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. BÜLENT SANKUR
- Improved image based localization using semantic descriptors
Anlamsal betimleyiciler ile gelişmiş imge tabanlı konumlandırma
İBRAHİM ÇINAROĞLU
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YALIN BAŞTANLAR
- Mobil robotlarda engelden kaçınma için RGB+HHA verisiyle derin öğrenme tabanlı anlamsal bölütleme
Deep learning based semantic segmentation with RGB+HHA data for obstacle avoidance in mobile robots
HATİCE AYDIN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
DR. ÖĞR. ÜYESİ BURAK KALECİ
- Otonom araçların şerit algılama sistemlerinde YOLO mimarilerinin (v9, v11, v12, v26) semantik segmentasyon performanslarının karşılaştırmalı değerlendirilmesi
Comparative evaluation of the semantic segmentation performance of YOLO architectures (v9, v11, v12, v26) in lane detection systems of autonomous vehicles
ZEYNEP KUBİLAY YUNSO
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU