Yapay sinir ağları ile geliştirilen akıllı köşe bulma yöntemi
Method of smart corner detection developed with artificial neural networks
- Tez No: 503027
- Danışmanlar: DOÇ. DR. MUHAMMED FATİH TALU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Bilgisayarla görmede öznitelik tanımlama önemli bir yer tutmaktadır. Farklı ölçek ve dönüşümlerde, değişen parlaklıklarda, küçük açı değişimlerinde, gürültülü, karışık ve yıpranmış görüntülerde değişmeyen öznitelikleri bulmak oldukça zordur. Ölçekten Bağımsız Öznitelik Dönüşümü metodu değişmeyen öznitelikleri bulmayı hedeflemektedir ve bunu yaparken dört aşamadan geçer. Anahtar noktaların bulunduğu aşamada köşe bulma yöntemini kullanır. Köşeler, görüntü işleme tekniklerinde çok kullanışlı olan özelliklerdendir. Nesne tanıma, hareket izleme, stereo eşleştirme gibi yöntemler içinde sıklıkla kullanılmaktadır. Nesnenin tanımlanması, ayırt edilmesi ve belirlenebilmesi için köşelerden faydalanmak mümkündür. Gri-seviye görüntü içerisinde köşelerin tespitini gerçekleştiren yöntemler, kenar bulma tabanlı yöntemler ve yoğunluk tabanlı yöntemler olarak gruplandırılabilir. Kenar bulma tabanlı yöntemler, ön işlem olarak görüntünün kenarlarını bulduktan sonra köşe bulma işlemine devam eder. Köşe bulma işlemini öğreterek gerçekleştirmek için Yapay Sinir Ağları kullanılabilir. Yapay Sinir Ağları, öğrenme aşamasından sonra bilgiyi saklayıp genelleme yapar ve sistemin ürettiği çıktı ile beklenen değer arasında ilişki kurar. Bu tez çalışmasında klasik yaklaşımlardan farklı olarak, Ölçekten Bağımsız Öznitelik Dönüşümü metodunda köşe bulma yöntemi için Yapay Sinir Ağları kullanılarak nesnelerin köşe bilgilerini öğrenen yapay bir köşe yakalayıcı geliştirilmiştir. Pozitif ve negatif görüntü parçaları oluşturularak sistem eğitilmiş, test uygulamalarıyla başarı elde edilmiş, geliştirilen akıllı köşe bulma yöntemi ile Moravec, Harris ve Susan Köşe Bulma Yöntemleriyle kıyaslanarak sonuçlar karşılaştırılmıştır.
Özet (Çeviri)
Feature detection is an important part of computer vision. It is difficult to detect invariant features in different scales and transformations, in varying brightness, small angle changes, noisy, mixed and worn images. Scale Invariant Feature Transformation method aims to detect unchanging features and in doing so it goes through four stages. It uses the corner detection method in the stage where the key points are located. The corners are very useful features in image processing techniques which are often used in object recognition, motion tracking and stereo matching methods. It is possible to use the corners to identify, distinguish and determine the object. Methods for performing corner detection in a gray-level image can be grouped into edge-based methods and density-based methods. The edge detection methods continue to detect the corner after finding the edges of the image as preprocessing. Artificial Neural Networks can be used to perform teaching the corner detection process. Artificial neural networks store and generalize information after the learning phase and relate the output produced by the system to the expected value. In this thesis study, an artificial corner catcher which learns corner information of objects by using Artificial Neural Networks for corner detection method in Scale Invariant Feature Transformation method is developed differently from classical approaches. The system was trained by creating positive and negative image parts and had high success results after test applications. Developed intelligent corner detection method was compared to other corner detection methods such as Moravec, Harris and Susan Corner Detection Methods and results were compared.
Benzer Tezler
- Gerilim kararlılığı iyileştiricilerinin akıllı algoritma tabanlı kayan kipli kontrolü
Voltage stability improver of intelligent algorithm based sliding mode control
ERCAN KÖSE
Doktora
Türkçe
2012
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SAADETTİN AKSOY
- Transfer derin öğrenme ile hibrit el yazısı karakter tanıma
Hybrid handwriting character recognition with transfer deep learning
FERİT CAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATINÇ YILMAZ
- Parametrik yöntemler ile akıllı sistemler kullanarak uyku apnesinin teşhisi ve sınıflandırılması
Detection and classification of sleep apnea using modern parametric method with intelligent systems
ALİ ÖTER
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT KEMAL KIYMIK
- Intelligent plate number recognition system using segmentized method with artificial neural networks
Yapay sinir ağları ile segmentasyon metodu kullanılarak akıllı plaka numarası tanıma sistemi
AUWAL SALISU YUNUSA
Yüksek Lisans
İngilizce
2020
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CAFER BAL
- Modelling user habits and providing recommendations based on hybrid television standards using artificial neural networks together with genetic algorithms
Yapay sinir ağları ile birlikte genetik algoritmalar kullanılarak izleyici alışkanlıklarının karma televizyon standartları tabanlı modellenmesi ve öneri oluşturulması
İHSAN TOPALLI
Doktora
İngilizce
2017
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELÇUK KILINÇ