A multi-instance based learning system for scene recognition
Sahne tanıma problemi̇ i̇çi̇n çoklu örnek tabanlı öğrenme si̇stemi̇
- Tez No: 415218
- Danışmanlar: YRD. DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Sahne tanıma problemi, bilgisayarlı görünün sıklıkla çalışılan alanlarından biridir. Bu problemin amacı, gözlenen bir resmin çekildiği ortama ait etiketin bulunmasıdır. Resmin içerisindeki genel mekansal düzenlemeler, nesnelerin gözlenmesi ve bunların konumları gibi çeşitli görsel ipuçları bir sahnenin kategorize edilmesine yardımcı olabilir. Ayrıca, birbirine çok benzeyen sahneler fotoğraflanmaları sırasındaki bakış açılarına göre görsel olarak çeşitlilik gösterebilirler. Bu tip yerleşim değişikliklerini ele almak adına, bu tezde çoklu alan seçimi tabanlı bir yaklaşım önerilmektedir. Bu amaçla, öncelikle aynı sahnenin resimlerine ait paylaşılan ve temsil edici büyük alanların elde edilmesine dair yeni bir yöntem önerilmektedir. Daha sonra bu alanlar bir çoklu örnekle öğrenme sisteminde değerlendirilmektedir. Böylelikle, sahneye ait genel yapının yakalanması amaçlanmaktadır. Ayrıca bu genel yapı, yerel yapının ayırt edici parçalar cinsinden kodlandığı yerel bir yaklaşım ile birleştirilmektedir. Ek olarak son dönemde popüler olan derin sinir ağları kullanılarak daha önce elde edilen büyük alanlar ifade edilmekte ve bu gösterim hem çoklu örnekle öğrenme sistemi ile, hem de VLAD gösterimi ile kodlanmaktadır. Hem genel ve yerel yapıdan, hem de çeşitli kodlama yöntemlerinden gelen bilgilerin birleştirilmesi amacı ile gözetimli bir sonradan birleştirme yöntemi sunulmaktadır. Birleştirmenin, farklı yöntemlere ait bilgilerin tamamlayıcı yapısını ortaya çıkardığı, sahne tanıma probleminde sıklıkla kullanılan MIT-İç mekan, 15-Sahne and UIUC-Spor veri kümeleri üzerinde yapılan deneyler ile gösterilmiştir.
Özet (Çeviri)
Scene recognition is a frequently-studied topic of computer vision. The aim in scene recognition is to predict the general environment label of a given image. Various visual elements contribute to the characterization of a scene, such as its spatial layout, the associated object instances and their positions. In addition, due to the variations in photographic arrangements, similar scenes can be photographed from quite different angles. In order to capture such intrinsic characteristics, in this thesis, we introduce a multi-region classification approach for scene recognition. For this purpose, we first introduce a novel way of extracting large image regions, which are expected to be representative and possibly shared among the images of a scene. We utilize these candidate image regions within a multiple instance learning framework. In this way, we aim to capture the global structure of a given scene. This global representation is then combined with a local representation, where local structures are encoded using a discriminative parts approach. Furthermore, we use recently popular deep network structures to represent our large regions and encode these via both multiple instance learning and VLAD representation. In order to merge information from both global and local characteristics and also from different encodings, a supervised late fusion method is performed and shown to capture complementary information in the experiments performed on commonly used scene recognition datasets MIT-Indoor, 15-Scenes and UIUC-Sports.
Benzer Tezler
- Non- incremental classification learning algorithms based on voting feature intervals
Oylayan öznitelik bölüntülerine dayalı toplu sınıflandırma öğrenme algoritmaları
GÜLŞEN DEMİRÖZ
Yüksek Lisans
İngilizce
1997
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiDOÇ. DR. H. ALTAY GÜVENİR
- Güç sistemlerinde geçici hal kararsızlığının ve gelişiminin derin öğrenme ve karar ağacı tabanlı yöntemler ile geniş alan ölçümlerine dayalı olarak erken kestirimi
Wide area measurement based early prediction of power system transient instability and its evolution using deep learning and decision tree based algorithms
MERT KESİCİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Subspace discovery with supervised learning for SSVEP based brain-computer interfaces
DHGUP bazlı beyin-bilgisayar arayüzü için gözetimli öğrenme yöntemiyle altuzay keşfi
ABDULLAH KUTAY CANKI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN
- Fisher kernel based models for image classification and object localization
Başlık çevirisi yok
RAMAZAN GÖKBERK CİNBİŞ
Doktora
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversité de GrenobleDR. CORDELIA SCHMID
DR. JAKOB VERBEEK