Geri Dön

Visual product recognition from retail scenes

Perakende ̇ımgelerinden görsel ürün tanınması

  1. Tez No: 503263
  2. Yazar: ALPER AYDIN
  3. Danışmanlar: DOÇ. DR. BURAK ACAR, DR. CEYHUN BURAK AKGÜL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 180

Özet

Bu tez projesinde perakende sahnelerinde ürünleri tanıma sorununu araştırdık. Ürünleri birbirinden ayıran sınırları tespit ederek ürünleri lokalize ettiğimiz ve öğreticiyle öğrenme yöntemlerini kullanarak ürün görsellerini tanıyabildiğimiz bir method önerdik. Yönlü Gradyan Histogramları, Yerel İkili Örüntü Histogramları ve Root Filter Set yanıt tanımlayıcı gibi çeşitli resim tanımlayıcılarını denedik. Eş zamanlı olarak, Kuadratik Sınıflandırıcı, tek kademeli karar ağaçları ile oluşturulan AdaBoost Sınıflandırıcı ve Destek Vektör Makinesi gibi çeşitli sınıflandırıcıları denedik.Bir sorgu süresi kısıtlaması altında Yönlü Gradyan Histogramları'nı tanımlayıcı olarak kullanıp bunları bir Destek Vektör Makinesi ile sınıflandırmamızın, en yüksek doğruluğu elde etmemizi sağladığını gördük. Ürün sınırı bölgelerinden ve ürün sınırı olmayan bölgelerden seyrek şekilde toplanmış tanımlayıcıların sınıflandırılmasında %88.5 doğruluk elde ettik. Bu SVM sınıflandırıcıyı kullanarak, test görsellerinde tüm olası yerler için, bir ürün sınırının var olma ihtimalini, kayan bir pencere ile hesapladık. Oluşan olasılık sinyalinde tepe detektörü kullanarak ürün sınırlarını lokalize ettik ve %75'ten yüksek bir ürün sınırı algılama kesinliği ve geri getirme yüzdesi elde ettik. Aynı yöntemi raf sınırlarını %97 kesinlik ile tespit etmek için kullandık. Elde ettiğimiz ürün imgelerini seyrek ve yoğun SIFT tanımlayıcıları ile tanımadık ve 20 sınıflık bir ürün alt kümesinde, kelime torbası yaklaşımı kullanarak %96 doğruluk elde ettik. Ceşitli tekniklerle denemeler yaptı ve yoğun SIFT tanımlayıcıları kullanmanın ve K-ortalamalı kümeleme yerine rastgele kod tablosu üretmemizin perakende ürünlerini tanıma probleminde daha iyi performans sağladığını doğruladık.

Özet (Çeviri)

In this thesis project, we explore the problem of recognizing the products in retail scenes. We proposed a method where we localize the products by detecting their separating boundaries and recognize the product images using supervised learning methods. We experimented with various image descriptors like Histogram of Oriented Gradients, Local Binary Pattern Histograms, and response features to a Root Filter Set.Concurrently we tried various classifiers like Quadratic Classifier, AdaBoost with single level decision trees and Support Vector Machines. We found out that using Histograms of Oriented Gradients as descriptors and classifying them with a Support Vector Machine enabled us to achieve the highest accuracy with a query time constraint. We achieved 88.5% accuracy at classifying a set of sparsely collected descriptors from boundary and non-boundary regions. Using the trained SVM classifier we calculated the probability of the existence of a product boundary for all possible locations with a sliding window. We localized the boundaries using probability peak detection and achieved a product boundary detection precision and recall over 75%. The same method is used to detect shelf boundaries with 97% precision. We described the product images with sparse and dense SIFT descriptors and achieved 96% accuracy using a bag of words approach on a 20 class subset of products.We experimented with various techniques and verified that using dense SIFT descriptors and random codebook generation instead of K-means based clustering yields better performance at recognizing retail products.

Benzer Tezler

  1. Statistical methods for fine-grained retail productrecognition

    İnce taneli perakende ürün tanıma sistemi için istatistikyöntemler

    İPEK BAZ

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜJDAT ÇETİN

    DR. ERDEM YÖRÜK

  2. A metric learning based system for retail product recognition and novel class discovery

    Metrik öğrenme tabanlı ürün tanıma ve yeni ürün keşfetme sistemi

    İBRAHİM ŞAMİL YALÇINER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  3. Derin öğrenme ile içecek şişe kapağı üzerindeki görsellerden ürün tipi tanıma

    Product type recognition from visuals on beverage bottle cap with deep learning

    VOLKAN COŞKUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TURHAN KARAGÜLER

  4. Real-time emotion recognition from EEG signals using one electrode device

    Tek elektrotlu cihaz ile EEG sinyallerinden gerçek zamanlı duygu tanıma

    MEHMET ALİ SARIKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÖKHAN İNCE

  5. Comparison of feature selection and extraction methods and active learning in voice based emotion recognition systems

    Ses duygu tanıma sistemlerinde aktif öğrenme ve öznitelik seçme ve çıkarma yöntemlerinin karşılaştırılması

    TOLGA ATALAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN