Semi-supervised learning for image segmentation
Görüntü bölütleme uygulamaları için yarı-eğiticili öğrenme
- Tez No: 428011
- Danışmanlar: YRD. DOÇ. DR. GÜLESER KALAYCI DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 67
Özet
Bu tez çalışmasında, Unconstraint Least Square Importance Fitting (ULSIF) algoritmasını kullanan, yeni bir yarı-eğiticili öğrenme metodu önerilmiştir. ULSIF algoritması önem değerini doğrudan hesaplabilmektedir, bunun için test sınıflarına ait olasılık dağılım fonksiyonlarını ayrı ayrı hesaplamaya ihtiyaç duymamaktadır. Görüntü bölütleme problemi üzerinde renk ve örüntü özelliklerini kullanan farklı yarı-eğiticili öğrenme metodları kullanılmış, bu metodların benzerlikleri ve farkları incelenmiştir. ULSIF algoritmasının bölütleme performansı, yaygın olarak bilinmekte olan tek-sınıflı SVM metoduyla, tutarlılık ve çalışma süresi bakımından karşılaştırılmıştır. Sonuç olarak, tek-sınıflı ULSIF metodu hem renk hem de örüntü tabanlı görüntü bölütleme probleminde tek-sınıflı SVM'den daha iyi performans göstermiştir. Ayrıca, ULSIF algoritması iki-sınıflı görüntü bölütleme metodu olarak da uyarlanmıştır. İki-sınıflı görüntü bölütleme metodlarında, öğrenme işlemi sırasında hem önplan hem de arkaplan özellikleri birlikte kullanılmıştır. İki-sınıflı ULSIF görüntü bölütleme metodunun çıktıları, iki-sınıflı SVM ve yapay zeka algoritmaları ile kıyaslanmıştır. Sonuç olarak, iki-sınıflı SVM algoritması iki-sınıflı ULSIF ve yapay zeka algoritmalarına göre daha iyi performans göstermiştir.
Özet (Çeviri)
In this thesis, a new approach to semi-supervised image segmentation is proposed, by implementing Unconstraint Least Square Importance Fitting (ULSIF) algorithm. ULSIF estimates importance value without determining probability distribution functions of the labeled and test class seperately. Different methods based on color or texture features are applied on semi-supervised image segmentation problems and similarities and differences between these methods have been explored. The performance of ULSIF based segmentation is compared with the state of art method one-class SVM in terms of segmentation accuracy and run time. According to the results, both color and texture based semi-supervised one-class ULSIF gave better results than one-class SVM does. Additionally, ULSIF algorithm is implemented as a two-class image segmentation method. In two class image segmentation methods, features of the foreground and background areas are used together during the learning stages. Results of supervised two-class ULSIF is compared with SVM and neural networks. According to the results, two-class SVM gave better results than two-class ULSIF and neural networks do.
Benzer Tezler
- Decision fusion for supervised, unsupervised and semi-supervised learning
Denetimli, denetimsiz ve yarı-denetimli öğrenme için veri füzyonu
METE ÖZAY
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Semi-supervised generative guidance for zero-shot semantic segmentation
Sıfır-örnek anlamsal görüntü bölütlemeye yönelik yarı-denetimli üretici yönlendirme
ABDULLAH CEM ÖNEM
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ
- Comicverse: Expanding the frontiers of ai in comic books with holistic understanding
Comicverse: Bütünsel anlayışla çizgi romanlarda yapay zekanın sınırlarını genişletmek
GÜRKAN SOYKAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ YURET
PROF. DR. TEVFİK METİN SEZGİN
- Fully supervised and semi-supervised semantic segmentation of cardiac mr using deep learning
Tam denetımlı ve yarı denetımlı semantık segmentasyon derın öğrenmeyı kullanan kardıyak mr'nın
MAHYAR BOLHASSANI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
ASST. ASSOC. DR. İLKAY ÖKSÜZ
- Extraction of vascular trees for living donated liver transplantation
Canlı vericili karaciğer nakli için karaciğer damar ağacı bölütleme
PARVIN BULUJU
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ALPER SELVER