Classification of images using support vector machines
Destekçi vektör makinesi kullanarak resim sınıflandırma
- Tez No: 232855
- Danışmanlar: PROF. DR. HOCİNE CHERİFİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
İnternetin gelişip büyümesi, dijital fotoğraf makinelerinin yaygınlaşması ve buna bağlı olarak resim veri tabanlarının büyümesi ile birlikte resim sınıflandırma son yıllarda büyük önem kazandı. Resim sınıflandırma esas olarak verilen bir fotoğrafın farklı özelliklere dayalı olarak sınıflandırılmasıdır. Amaç resimlerin anlamlı sınıflara ayrılmasıdır.Yapay görme alanında çalışan araştırmacılar resim sınıflandırma işini otomatik olarak yapabilen bir sistem tasarlamaya çalışmaktadırlar. İnsanın görme ve algı yeteneklerini mükemmel bir şekilde taklit ederek resim sınıflandırabilen bir sistem henüz bulunmamaktadır.Bu çalışmada sınıflandırma işi Destekçi Vektör Makineleri (DVM) kullanılarak yapılmıştır. DVM'ler el yazısı tanıma, doküman sınıflandırma ve veri madenciliği alanlarında kullanılan bir tekniktir. Başka bir deyişle DVM genel olarak tanıma ve sınıflandırma alanlarında kullanılan önemli bir araçtır.Herhangi bir sınıflandırma yönteminin etkin bir şekilde kullanılması için sınıflandırılacak verinin iyi bir şekilde nitelendirilmesi zorunludur. Biz bu çalışmada resimleri niteleme konusuna özellikle önem verdik ve resimleri yerel, genel ve orta seviye özellikler olmak üzere farklı seviyelerde niteledik. Bu şekilde DVM yönteminden tam anlamıyla fayda sağlamayı amaçladık.
Özet (Çeviri)
Image categorization has become more and more important in the last decade with the development of Internet, digital cameras becoming widespread and the growth in the size of image databases. Image categorization task consists of categorizing real-world natural scenes based on different features. The objective is to regroup images into semantically meaningful categories.Computer vision researchers have been working to design computational systems that are capable of automatic scene categorization. A computational system that can perfectly mimic the human visual system and perception in order to categorize images is still missing.In this work, the categorization task is accomplished using Support Vector Machines (SVM) that has been applied to many real-world problems producing state-of-the-art results. These include text categorization, biological data mining and handwritten character recognition. In other words SVM is a very effective method for general purpose pattern recognition and classification.For an effective use of a classification algorithm, the data that is the subject to the classification has to be represented in a suitable way. We insisted on image representation using local, global and intermediate representations in order to obtain good results and take full advantage of SVM.
Benzer Tezler
- Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar
New approaches in classification of breast tumors from histopathological images using different deep learning models
SEMA NIZAM ABDULGHANI
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Analysis of hyperspectral images with deep learning methods
Derin öğrenme yöntemleriyle hiperspektral görüntülerin analizi
EKREM TARIK KARAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Aşamalı öğrenmeli destek vektör makineleri ile hiperspektral görüntülerin sınıflandırılması
Classification of hyperspectral images using incremental support vector machines
FERHAT ŞÜKRÜ RENDE
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAH BAL
- Hiperspektral görüntü ve LiDAR verisinin koşullu rastgele alanlar yöntemi ile birleştirilmesi ve sınıflandırılması
Fusion and classification of hyperspectral images using conditional random fields
HAKAN AYTAYLAN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Structural scene analysis of remotely sensed images using graph mining
Uydu görüntülerinin çizge madenciliği ile yapısal sahne analizi
BAHADIR ÖZDEMİR
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM AKSOY