Nitelik tabanlı nesne sınıflandırması
Attribute based object classification
- Tez No: 275518
- Danışmanlar: YRD. DOÇ. DR. NAFİZ ARICA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Deniz Harp Okulu Komutanlığı
- Enstitü: Deniz Bilimleri ve Mühendisliği Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Attribute based classifiers for image understanding
Görüntü anlamlandırmak için nitelik tabanlı sınıflandırıcılar
BERKAN DEMİREL
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NAZLI İKİZLER CİNBİŞ
YRD. DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ
- Generalized zero-shot object recognition without class-attribute relations
Sınıf-nitelik ilişkileri gerektirmeyen genelleştirilmiş sıfır-örnekli nesne tanıma
MÜSLÜM ERSEL ER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ
- 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
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. ÖĞR. ÜYESİ AHMET FATİH MUSTAÇOĞLU
- 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
2020
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN YÜKSEL
- Cortical processes underlying attentional modulations of dynamic vision
Dinamik görmenin dikkat modülasyonlarının temelindeki kortikal süreçler
ESRA NUR ÇATAK
Doktora
İngilizce
2022
Nörolojiİhsan Doğramacı Bilkent ÜniversitesiNörobilim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACI HULUSİ KAFALIGÖNÜL