Synthetic attributes for image classification
İmge sınıflandırma için sentetik nitelikler
- Tez No: 333146
- Danışmanlar: DOÇ. NAFİZ ARICA
- 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: 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
Bilgisayarla görü alanındaki en önemli problemlerden birisi olan imge sınıflandırma için öznitelik tabanlı klasik yaklaşımların yanı sıra nitelik tabanlı yaklaşımlar son yıllarda sıklıkla kullanılmaya başlamıştır. Nitelik tabanlı yaklaşımların en önemli avantajı, insanlar için anlam ifade eden niteliklerin kullanılması vasıtasıyla insanoğluna benzer bir öğrenme yapılabilmesidir. Ayrıca nitelik tabanlı yaklaşım sayesinde, eğitim aşamasında görülmeyen imgeler sınıflandırılabilmekte veya sınıflandırma yapılamasa dahi imge özellikleri hakkında bilgi sahibi olunabilmektedir. Ancak, imgeler ile ilişkili niteliklerin gözetimli veya gözetimsiz olarak belirlenmesi aşamasında halen birçok problem ile karşılaşılmaktadır. Bu tezde mevcut nitelik tabanlı imge sınıflandırma problemine yönelik olarak ?Sentetik Nitelikler? yaklaşımı önerilmektedir. Sentetik nitelikler, imgeleri betimleyen farazi nitelikler olarak tanımlanabilir ve öznitelik uzayından otomatik olarak çıkarılır. Bu amaçla tezin ilk bölümünde önceden belirlenen nitelik sayısına bağlı olarak oluşturulan nitelik uzayındaki olası tüm nitelikler arasından rastgele nitelikler çıkarılmaktadır. Rastgele nitelikler daha sonra tek tek öznitelik uzayında eğitilir. Dolayısıyla nitelik belirleme işlemi literatürdeki gözetimli ve gözetimsiz yaklaşımlardan farklı olarak zahmetsiz bir şekilde gerçekleştirilmektedir. Tezin ikinci bölümünde ise rastgele niteliklerin daha mantıklı bir şekilde çıkarılması üzerinde yoğunlaşılmaktadır. Bu amaçla imge sınıfları ile nitelikler arasındaki bağlantı kullanılarak, imgeleri betimleyen ayırt edici nitelikler seçilmektedir. Sentetik nitelik olarak adlandırdığımız bu yaklaşımda, ikili nitelik seçimi sadece bir imge sınıfına özel niteliklerden başlanarak sırasıyla daha çok imge sınıfının betimlenmesinde kullanılabilecek niteliklerin eklenmesi suretiyle gerçekleştirilmektedir. Göreceli sentetik nitelikler ise rastgele nitelikler arasından sıra birleştirme yöntemi ile belirlenmektedir. Önerilen her iki yaklaşım literatürdeki diğer nitelik tabanlı çalışmalarla aynı veri kümesi üzerinden test edilerek karşılaştırılmaktadır. Yapılan deneylerde diğer çalışmalarda elde edilen en yüksek imge sınıflandırma performanslarına ulaşılmaktadır.
Özet (Çeviri)
Attribute based approaches have been employed frequently in recent years in addition to classical approaches based on low level features for image classification which is one of the most important problems computer vision. The most important advantage of this approach is that learning can be performed similar to human by using attributes which makes sense for people. In addition, images which are not seen in training phase can be classified or even if correct classifying is not applicable, it is possible to obtain information about the image properties owing to attribute based approach. However, there are many problems in generation of supervised or unsupervised attributes which are associated with image classes. In this thesis, we propose Synthetic Attributes approach to solve the problems of current attribute based image classification. Synthetic attributes can be described as hypothetical attributes which are extracted from feature space automatically. For this purpose, in the first part of thesis, random attributes are extracted from among all possible attributes which are created depending on predetermined number of attributes in attribute space. Random attributes are then trained in feature space particularly. Therefore, the process of generating attributes is realized easily unlike supervised and unsupervised approaches in the literature. In the second part of thesis, it is focused on extracting random attributes more consciously. For this purpose, discriminative attributes depicting images are selected by using the relation between image classes and attributes. In this approach called synthetic attributes, binary attribute selection is carried out by starting with only the attributes which are specific for one class and adding the attributes which can be used for depicting other image classes. Relative synthetic attributes are also determined among random attributes by rank aggregation methods. The proposed approaches have been tested and compared to the other attribute based studies in the literature on the same data sets. The highest image classification performances obtained in other studies has been reached in the experiments.
Benzer Tezler
- Semantik derin öğrenme kullanılarak nesnelerin kategorize edilmesi ve sınıflandırılması
Categorization and classification of objects using semantic deep learning
EMRE AKDEMİR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. NECAATTİN BARIŞÇI
- Derin öğrenme ile uydu görüntülerinde hedef tespiti
Target detection in satellite images using deep learning
VAZIRKHAN TARVERDIYEV
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi
Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks
BERFİN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR
- Earthquake damage identification from very high resolution post event image using advanced methods in mathematical morphology
Deprem hasarının yüksek çözünürlüklü afet sonrası görüntülerden ileri matematiksel morfoloji yöntemleri kullanılarak belirlenmesi
ENES OĞUZHAN ALATAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLŞEN TAŞKIN KAYA
- Olasılıksal modeller ile Türkçe müzik türlerinin sınıflandırılması
Classification of Turkish music genres with probabilistic models
MEHMET CÜNEYT ÖZBALCI
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN