A simple resource-aware approach to sketch recognizers via style identification
Stil tanıma yoluyla zamandan kazanımlı çizim tanıma sistemleri geliştirme
- Tez No: 332211
- Danışmanlar: YRD. DOÇ. DR. TEVFİK METİN SEZGİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Çizim insanların doğal iletişim araçlarından biridir. Kalem temelli cihazların son zamanlardaki artışı ile birlikte, insan-bilgisayar etkileşimi alanında çizim arayüzleri ve çizim tanıma sistemlerine olan ilgi büyüyen bir eğilim göstermektedir. Çizim tanıma sistemlerine yönelik güncel yaklaşımlar, çizimlerin tanınma oranlarını artırmak adına makine öğrenimi teknolojilerini fazlaca kullanmaktadırlar. Makine öğreniminde sistem var olan örneklerin üzerinden bir oğrenim yapabilmektedir. Her ne kadar bu örneklerin sayısının fazla olması çizim tanıma sisteminin tanıma performansı icin önemli bir koşul olsa da, makine öğrenim teknolojilerinin pratik kullanımı hususunda bazı konular dikkat çekmeye başlamıştır. Çizim tanıma sistemlerinin gelişimini aksatan konulardan biri de aşırı veri işleme sorunudur. Bir çizim tanıma sisteminin gözetimli öğrenimi sırasında, eğer sistem büyük bir veri grubu kullanarak eğitilmeye çalışılırsa, bu durum uzun öğrenme zamanına ve sınıflandırma performansı düşük olan hantal bir sistem modeline neden olur. Bu çalışmada biz pratik, basit, uygulaması kolay ve herhangi bir çizim tanıma sistemiyle ilgilenen kişinin eğitim veri setini daha ufak stil gruplarına bölümlendirmesi ve bir kullanıcının çizim stilinin tayin edilmesi icin başvurabileceği bir yöntem amaçlanmaktadır. Bizim yöntemimiz belirli insanların çizim stillerinin birbirine benzediği gözleminden faydalanarak, stilleri birbirine benzeyen küçük insan toplulukları için modeller üretip bu sayede bir taraftan öğrenme ve sınıflandırma zamanlarında azalmaya yol açarken, diğer taraftan çizim tanıma oranlarında önemli bir düşüş yaşamamayı amaçlamaktadır. Genel olarak sistemimiz iki temel kısımdan oluşmaktadır. İlk kısımda, insanların çizim stil farklılıklarından faydalanalarak var olan tüm eğitim veri setinin daha küçük stil gruplarına bölümlenmesi amaçlanırken, ikinci kısımda, sisteme yeni gelen bir kullanıcının stilinin belirlenip ilk kısımda üretilen stil gruplarından hangisine ait olduğunun tayin edilmesi amaçlanmıştır.
Özet (Çeviri)
Sketching is one of the natural mode of communication among humans. With the recent increase in the availability of pen-based devices, a growing trend towards sketch-based interfaces and sketch recognition systems have emerged in Human Computer Interaction. Modern approaches to sketch recognition make heavy use of machine learning technology to maximize recognition accuracies by learning from examples. Although having more training examples is key to the performance of any sketch recognition framework, certain aspects related to the practical use of machine learning technology have surfaced as real issues that need attention. One of these practical issues that hinders the development and deployment of sketch recognition systems is the excessive computational resources.During supervised learning of a sketch recognition system, if a large training dataset is used to train a system model, it costs more training time and results in a bulky model with poor classi cation performance. In this thesis, we propose a practical, simple, and easy to implement method that sketch recognition practitioners can resort to for partitioning their training data by based on sketching styles of users. Our method leverages the observation that certain groups of people have similar sketching styles, and generating models for smaller groups of people with similar styles reduces training and classi cation times without a signi - cant sacri ce in recognition accuracies.Our overall system is consisted of two main parts such that in the rst part, we partition the all available training data into style sub-groups and in the next part, we designed a system to identify sketching style of an incoming user to assign the user into one of the style groups generated in the rst part. We demonstrate the utility of our approach with empirical results obtained from databases of various sizes and characteristics.
Benzer Tezler
- Bina yapımında simülasyon yaklaşımıyla maliyet tahmini
Cost estimating with simulation approach in building construction
NİLÜFER YAYLAGÜL
Yüksek Lisans
Türkçe
1994
Mimarlıkİstanbul Teknik ÜniversitesiBina Yapım Yönetimi Bilim Dalı
PROF. DR. HEYECAN GİRİTLİ
- Novel interference and spectrum aware routing techniques for cognitive radio ad hoc networks
Tasarsız bilişsel radyo ağları için girişim ve spektruma dayalı özgün yönlendirme teknikleri
AHMET ÇAĞATAY TALAY
Doktora
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DENİZ TURGAY ALTILAR
- Ömerli baraj gölünün su kalitesi değerlendirilmesi
Assesment of Ömerli Dam's water quality
BAĞDAGÜL FULYA PALA
- A software defined network framework in 5G wireless systems
5G kablosuz sistemlerde yazılım temelli ağ iskeleti
GÖKHAN SEÇİNTİ
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Performans yönetimi için dinamik bir stratejik kontrol modeli
A Dynamic strategic control model for performance management
SEÇKİN POLAT
Doktora
Türkçe
1992
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. MEHMET HALUK ERKUT