Geri Dön

Nitelik tabanlı nesne sınıflandırması

Attribute based object classification

  1. Tez No: 275518
  2. Yazar: ÖZHAN GÜNEŞ
  3. Danışmanlar: YRD. DOÇ. DR. NAFİZ ARICA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Deniz Harp Okulu Komutanlığı
  10. Enstitü: Deniz Bilimleri ve Mühendisliği Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 98

Özet

Nesne sınıflandırması, bilgisayarla görme alanında üzerinde çalışılan en yaygın problemlerden biridir. Bu maksatla kırk yılı aşkın zamandır yapılan çalışmalarda farklı yaklaşımlar araştırmacılar tarafından öne sürülmüştür. Bu tez kapsamında nitelik tabanlı nesne sınıflandırma yaklaşımında iyileştirmeler yapılması ve farklı yöntemler önerilmesi hedeflenmiştir. İlk olarak nitelikleri tespit etmek için en ayırt edici özniteliklerin seçimi mRMR (Maksimum İlgililik Minimum Artıklık) algoritması kullanılarak gerçekleştirilmiştir. Daha sonra, mantıksal niteliklerin tespitinde öznitelikleri belirleme kriteri olarak; niteliği içeren sınıflar arasında seçim yapmak yerine, tüm veri kümesinde sınıf farkı gözetmeksizin yapılacak tespitin daha etkili sonuç üreteceği belirlenmiştir. Ayrıca niteliklerin tespitinde; kesin var/yok ifadesi yerine olasılıksal bir yaklaşım önerilerek niteliğin varlığı bir olasılık değeri ile ifade edilmiştir.Bu yaklaşımlara ilave olarak, öznitelik vektörleri ile yapılan klasik sınıflandırma başarısının farklı yöntemler kullanılarak artırılabileceği öngörülmüştür. Bu amaçla öznitelik vektörlerinin daha düşük boyutlu bir uzayda kullanımını sağlayan pLSA (Olasılıksal Gizli Anlam Analizi) ve PCA (Temel Bileşenler Analizi) algoritmaları ile kategorileri en iyi ayırt eden özniteliklerin belirlenmesini sağlayan mRMR algoritmasına yer verilmiştir.Son olarak, öznitelik tabanlı sınıflandırıcı ile mantıksal nitelik tabanlı sınıflandırıcıların sonuçlarını birleştirerek daha iyi neticelere ulaşılması için değişik yöntemler test edilmiştir.

Özet (Çeviri)

Object classification is a common challenge to be struggled in computer vision. For this purpose, several methods have been proposed by researchers during last four decades. Our target in this thesis is to improve present attribute based object classification approaches and to develop new methods. First of all, selection of the most discriminative features is realized with mRMR (Max-Relevance-Min Redundancy) feature selection algorithm to detect attributes. After that, another improvement is the selection criterion developed for feature detection. In this criterion, feature detection in whole data set without class differentiation is found out to be more effective then the selection made in classes that include target attribute. In addition, a probabilistic approach has been offered, which it is depicted the existence of the attribute with a probability value instead of certain decision.Furthermore, it is proposed that the accuracy of classical classification which is made with feature vectors can be improved with different methods. For this purpose, pLSA (Probabilistic Latent Semantic Analysis) and PCA (Principal Component Analysis) algorithms which enable feature vectors to be used in a smaller space and mRMR (Max-Relevance-Min Redundancy) algorithm which determines feature that discriminate categories best improved classification performance.Finally, varied methods are tested in order to provide better results by combining results of the feature based classifier and attribute based classifier.

Benzer Tezler

  1. Attribute based classifiers for image understanding

    Görüntü anlamlandırmak için nitelik tabanlı sınıflandırıcılar

    BERKAN DEMİREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NAZLI İKİZLER CİNBİŞ

    YRD. DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ

  2. Generalized zero-shot object recognition without class-attribute relations

    Sınıf-nitelik ilişkileri gerektirmeyen genelleştirilmiş sıfır-örnekli nesne tanıma

    MÜSLÜM ERSEL ER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ

  3. Deniz hedeflerinin geleneksel ve derin öğrenme tabanlı yöntemler ile sınıflandırılması

    Automatic classification of maritime targets via the traditional and deep-learning-based methods

    YUSUF ALAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. ENSAR GÜL

    DR. ÖĞR. ÜYESİ AHMET FATİH MUSTAÇOĞLU

  4. Accurate classification of heart sound signals forcardiovascular disease diagnosis using wavelet analysiswith machine learning and deep learning methodologies

    Makine öğrenmesi ve derin öğrenme yöntemleri ile dalgacık analizi kullanılarak kalp ses sinyallerinin kardiyovasküler hastalık tanı amaçlı doğru sınıflandırılması

    AFRAH ELFATIH FARAH MALIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    BiyomühendislikErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET EMİN YÜKSEL

  5. Cortical processes underlying attentional modulations of dynamic vision

    Dinamik görmenin dikkat modülasyonlarının temelindeki kortikal süreçler

    ESRA NUR ÇATAK

    Doktora

    İngilizce

    İngilizce

    2022

    Nörolojiİhsan Doğramacı Bilkent Üniversitesi

    Nörobilim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HACI HULUSİ KAFALIGÖNÜL