Geri Dön

Analyzing the effects of low-level features for visual attribute recognition

Görsel nitelik öğrenmede alt-düzey özniteliklerin etkilerinin analizi

  1. Tez No: 415227
  2. Yazar: EMİNE GÜL DANACI
  3. Danışmanlar: YRD. DOÇ. DR. NAZLI İKİZLER CİNBİŞ
  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: 2015
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Görsel nitelikler bilgisayarlı görü alanında son zamanlarda popüler olmaya başlamış bir konudur. Görsel nitelikler nesne tanıma, insan arama, sahne tanıma gibi bir çok alanda kullanılmaktadır. Görsel niteliklerin öğreticiyle öğrenilebilmesi için ilk adım düşük seviyeli özniteliklerin çıkartılmasıdır. Sonrasında görsel nitelik öğrenme algoritmaları uygulanarak görsel nitelik modelleri oluşturulur. Bu tez çalışmasında düşük seviyeli özniteliklerin görsel nitelik öğrenmeye etkisi araştırılmıştır. Bu amaçla şekil, renk ve doku gibi farklı görsel karakteristikleri tanımlayabilen çeşitli öznitelikler kullanılmıştır. Ayrıca gitgide gelişmekte olan derin özniteliklerin görsel nitelik öğrenmeye etkileri de değerlendirilmiştir. Deneyleri gerçekleştirmek için farklı görsel tanıma görevleri için tanımlanmış dört adet veri kümesi kullanılmış ve sonuçları kaydedilmiştir. Sonuçlarımıza göre görsel nitelik öğrenme için derin öznitelik kullanımı etkilidir. Bunun yanında bu özniteliklerin düşük seviyeli öznitelikler ile kombinasyonu daha etkili sonuçlar vermiştir.

Özet (Çeviri)

In recent years, visual attributes became a popular topic of computer vision research. Visual attributes are being used on various tasks including object recognition, people search, scene recognition, and so on. In order to encode the visual attributes, a common applied procedure for supervised learning of attributes is to extract low-level visual features from the images first. Then, an attribute learning algorithm is applied and visual attribute models are formed. In this thesis, we explore the effects of using different low-level features on learning visual attributes. For this purpose, we use various low-level features, which aim to capture different visual characteristics, such as shape, color and texture. In addition, we also evaluate the effect of the recently evolving deep features on the attribute learning problem. Experiments have been carried out on four different datasets, which were collected for different visual recognition tasks and extensive evaluations have been reported. Our results show that, while using the supervised deep features are effective, using them in combination with low-level features are more effective for visual attribute learning.

Benzer Tezler

  1. Mevkisel ve anlamsal göreceli nitelikler yardımıyla görüntü tanıma

    Visual recognition via spatially and semantic relative attributes

    EMRAH ERGÜL

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SARP ERTÜRK

    DOÇ. DR. NAFİZ ARICA

  2. A multi - factor analysis model to determine the use value of enclosed outdoor spaces

    Binalarla tanımlanmış dış mekanların kullanım değerini saptamaya yönelik çok faktörlü bir analiz modeli

    DİLEK YILDIZ

    Doktora

    İngilizce

    İngilizce

    2004

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. HASAN ŞENER

  3. Cephe açıklıklarının iç mekandaki günışığı performansına etkisinin konut örneğinde incelenmesi

    Investigation of the effect of the facade apertures to daylight performance in interior in the residential buildings

    ZEHRA AYBİKE KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. ALPİN KÖKNEL YENER

  4. Kıyı alanlarında mekansal bağlantıların yaya hareketleri ve mekan kullanımına etkileri

    The effects of spatial connectivity on pedestrian movement and space usage in waterfront areas

    ZEYNEP CEREN DURGUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. DİLEK YILDIZ

  5. Farklılaşan sosyo-ekonomik yapının meydanlardaki kullanıcı tercihi ve meydan tasarımına etkisinin değerlendirilmesine yönelik yöntem önerisi: Bursa örneği

    A proposal for the evaluation of the effect of socio-economic structure on the user's choice and urban square design: Bursa case study

    GÖKÇE ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Kentsel Tasarım Ana Bilim Dalı

    DOÇ. DR. HASAN SERDAR KAYA