Geri Dön

Derin öğrenme algoritmaları kullanılarak gerçek zamanlı silah tanıma uygulaması

Real-time handgun detection application using deep learning algorithms

  1. Tez No: 493847
  2. Yazar: ALİ AKDAĞ
  3. Danışmanlar: PROF. DR. SABRİ KOÇER
  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: 2017
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 66

Özet

GPU'lardaki donanımsal gelişmeler ve GPU'ların genel amaçlı programlanmasını sağlayan CUDA, görüntü işleme gibi yüksek derecede veri paralelliği gerektiren bazı alanlarda köklü değişiklikler yaşatmıştır. Özellikle bilgisayar görüsünde nesne sınıflandırma, nesne algılama, bölütleme gibi görevlerde etkileyici başarılar sergileyen derin öğrenme algoritmalarına olan ilgiyi artırmıştır. GPU ve derin öğrenme alanında yaşanan gelişmeler sayesinde kamera görüntülerinin gerçek zamanlı olarak, insan faktörüne ihtiyaç duymadan yorumlanmasında önemli başarılar elde edilmiştir. Güvenliğin önemli olduğu yerlerde, kameralardan elde edilen görüntülerin mümkün olan en kısa zamanda yorumlanması önem arz etmektedir. Silahlı tehditlerin hızlı bir şekilde tespit edilmesi güvenliği daha yüksek düzeye çıkaracaktır. Bu işlemi gerçekleştirmek adına bu tez çalışmasında, NVIDIA firmasının CUDA destekli platformları ve derin öğrenme algoritmaları kullanılarak gerçek zamanlı silah tanıma uygulaması gerçekleştirilmiştir. Uygulamayı gerçekleştirmek için içerisinde silah nesnesi bulunan resimlerle veri seti oluşturulmuştur. Bu veri seti kullanılarak DetectNet ve YOLO derin sinir ağı modelleri eğitilmiştir. Test görüntülerinden elde edilen sonuçlar ve CUDA destekli bir gömülü sistem olan Jetson TX1 kartındaki çalışma performansı bakımından DetectNet modelinin YOLO modelinden daha başarılı olduğu görülmüştür.

Özet (Çeviri)

The development of GPUs and CUDA, which allows general-purpose programming of GPUs, have undergone radical changes in some areas that require high degree of data parallel such as image processing. In particular, it has also increased the interest in deep learning algorithms that show impressive successes in tasks such as object classification, object detection, segmentation on a computer vision. Thanks to improvements in GPU and deep learning areas, important achievements have been achieved in interpreting camera images in real time, without the need for a human factor. It is important to quickly interpret the images obtained from the cameras in places where safety is important. Rapid detection of armed threats will result in a higher level of security. In order to accomplish this task, in this thesis, real-time handgun detection was implemented using NVIDIA's CUDA-supported platforms and deep learning algorithms. In order to perform the application, a data set was created by using the pictures with the handgun object. Using this data set, DetectNet and YOLO deep neural network models were trained. The results from the test images and the performance on the Jetson TX1 card, an embedded system with CUDA support, were found to be the DetectNet model is more successful than the YOLO model.

Benzer Tezler

  1. Geometric reinforcement learning for robotic manipulation

    Robotik manipulasyon için geometrik takviyeli öğrenme

    NASEEM ALHOUSANI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

    DR. ÖĞR. ÜYESİ FARES J. ABU-DAKKA

  2. Derin öğrenme algoritmaları kullanarak güvenli çocuk oyun alanlarında karşılaştırmalı tehlikeli nesne tespiti yapılması

    Comparative suspicious object detection in safe playgrounds using deep learning algorithms

    MEHMET FATİH İNKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN GÜRKAN

  3. Ağ trafiğinde anormallik tespiti için veri seti oluşturma ve test yöntemlerinin karşılaştırılması

    Creating a data set for anomaly detection in network traffic and comparison of test methods

    EMRULLAH ERGİNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  4. Derin öğrenme yöntemiyle kapalı alanlarda suç davranışlarının tespitine yönelik bir uygulama

    An application towards detecting criminal behaviors in indoor spaces with deep learning

    EMEL BAĞDATOĞLU YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. MURAT PAŞA UYSAL

  5. Missile evasion maneuver generation with model-free deep reinforcement learning

    Modelden bağımsız derin pekiştirmeli öğrenme ile füzeden kaçınma manevraları

    MUHAMMED MURAT ÖZBEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DOÇ. DR. EMRE KOYUNCU