Single-shot object detection and classification using HAAR-like feature based random decision forest
HAAR-benzeri öznitelik temelli rastgele karar ormanı ile tek seferde obje saptama ve sınıflandırma
- Tez No: 478630
- Danışmanlar: YRD. DOÇ. MUSTAFA FURKAN KIRAÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Son yirmi yılda gözetim sistemleri sayısının artması ile görüye dayalı nesne algılama ve takip algoritmalarına yönelik araştırmalar hız kazanmıştır. Bu araştırmalar dahilinde nesne algılama ve takip problemleri birçok yönü ile incelenmiştir, fakat otomatik alarm üretimi problemleri için başarım oranı daha yüksek izleme algoritmalarına halen ihtiyaç duyulmaktadır. Gözetim sistemlerinin yanlış alarm vermesi, insan operatörlere dayalı sistemlerde henüz tamamen çözülmemiş bir problemdir. Nesne tanıma başarımının artması, yanlış alarm verilen durumların azalmasına neden olmaktadır. Bu tez kapsamında resimde bulunan objeleri tek-seferde saptayan ve sınıflandıran bir yöntem geliştirilmiştir. Rastgele Karar Ormanlarının (RDF) test hızının oldukça yüksek olduğu bilinmektedir. Bu bağlamda, önerilen sistem piksel seviyesinde obje sınıflandırma işlemini RDF ile yapmaktadır. Kullanılan RDF'in performansını arttırmak amacı ile Haar benzeri öznitelikleri kullanan bir RDF geliştrilimiştir. Haar özniteliklerinin kullanan RDF'in performansı arttırdığı el yazısı ile yazılmış olan rakamlardan oluşan MNIST, insan resimleri içeren INRIA ve PETS09 veritabanları üzerinde yapılan testler ile gösterilmiştir. Örnek bir uygulama alanı olarak, önerilen RDF araç saptama ve takibi problemi üzerinde test edilmiştir. Saptanan objeleri takip etmek için Sıralı Monte Carlo, diğer adıyla Parçacık Filtresi (PF) uygulanmıştır. Saptama aşamasında her bir piksel için elde edilen olabilirlik değerleri ile parçacıkların ağırlıkları hesaplanmıştır. PF kullanılmasının temel nedeni, Gauss ve çizgisel olmayan işlemler için güçlü bir algoritma olmasının yanı sıra RDF gibi GPU'ya uygun bir yapıya sahip olmasıdır. Önerilen takip sistemi standard bilgisayarlarda gerçek zamanlı uygulamaya ağırlık vermektedir. YOLO ile kıyaslandığında, önerilen yöntem araç saptama başarımında yakın bir performans sunarken, standard bilgisayarlarda daha yüksek bir hıza sahip olduğu gözlemlenmiştir. Önerilen sisteme ek olarak bu tez kapsamında, farklı algoritmaları uygulamak ve test etmek için bir framework geliştirilmiştir. Bu framework, veri özütleme, veri oluşturma, algoritma eğitimi ve algoritmaları değişik parametrelerle test etmek için tasarlanan modüllerden oluşmaktadır. Tez içeriğinde modüllerin kullanımı ve fonksyonları anlatılmıştır.
Özet (Çeviri)
Object detection and tracking have been studied for decades and many algorithms have been introduced. Vision-based object detection and tracking became an important task with the increasing number of surveillance cameras. However, false alarm rates are still an issue to be solved in human operator managed scenarios. As precision and accuracy increase, false alarm rates become more manageable. In this thesis, a novel system for single-shot detection and classification of the object in images is introduced. For this purpose, we implemented Random Decision Forests (RDF) using Haar-like features. RDF and Haar-like feature calculation implemented on GPU are known for their test time speed. Thus, we are using RDFs for pixel level object classification, a methodology known for its balanced test-time performance both for speed and quality. The increase in accuracy is shown by conducting experiments on MNIST, INRIA, and PETS09 data-sets. As a demonstrative application, we used proposed RDF for on-road vehicles detection and tracking. A Sequential Monte Carlo method based algorithm, also known as Particle Filter (PF), is implemented for tracking detected objects. For non-linear and non-Gaussian processes, PF is a powerful methodology and is easy and preferable to be implemented on GPU with RDF. The proposed system puts emphasis on real-time speed of the algorithm on conventional computers. Compared to YOLO (You Only Look Once), our method shows comparable vehicle detection accuracy and computational speed in a conventional computer. Moreover, we are introducing a new framework where different tracking algorithms can be implemented and tested. It provides various modules for data extraction, data generation, training and testing algorithms with different parameters. Usage of the modules in the framework is also discussed.
Benzer Tezler
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Automatic airplane detection using deep learning techniques and very high-resolution satellite images
Derin öğrenme teknikleri ve çok yüksek çözünürlüklü uydu görüntüleri kullanılarak otomatik uçak tespiti
BAKARY TRAORE
Yüksek Lisans
İngilizce
2020
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
Prof. Dr. ELİF SERTEL
- Object detection with minimal supervision
Asgari denetim ile nesne tespiti
BERKAN DEMİREL
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ
DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Bulanık su altı görüntülerinde derin öğrenme tabanlı balık tespiti
Deep learning based fish detection in turbid underwater images
TANSEL AKGÜL
Yüksek Lisans
Türkçe
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Uydu görüntülerinden uçak tespiti
Aircraft detection from satellite images
HUSSEIN MAHMOOD ABDO MOHAMMED
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİN ARGUN ORAL