Impact of quality distortions on CNN image classifiers and restoration using deep convolutional auto-encoder
Kalite bozulmalarının sınıflandırıcı CNN'ler üzerindeki etkileri ve derin konvolüsyonel auto-encoder ile düzeltilmesi
- Tez No: 521248
- Danışmanlar: PROF. TAŞKIN KOÇAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Derin sinir ağları gerçek zamanlı video akışında bile nesneleri tanıma üzerinde önemli başarı elde etmiştir. Bu görevin donanımsal gereksinimlerinin maliyetinin azalması ve fiziksel olarak küçülmesi bu teknolojinin mobil cihazlarda kullanılabilinmesini sağlamıştır. Çoğulukla, derin sinir ağları kaliteli veri setleri üzerinde eğitilmiş ve test edilmiştir. Fakat kamera tarafından sağlanan kareler, kamera kusurları ve/veya hava koşulları nedeniyle bozulmuş olabilir. Bu tez, resmin kalitesinin bozulma durumu altında, resim sınıflandırması için kullanılan, yüksek performanslı en güncel dört derin sinir ağ mimarilerinin bir değerlendirmesini sunar. Üç tür kalite bozulması üzerinde çalışılmıştır: bulanıklık, gürültü ve kontrast. Mevcut ağların bu kalite bozulmalarına duyarlı olduğu ve mimarilerinin sonuçlar üzerinde direkt etkisi olduğu gösterilmiştir. Bu durum karşında resim kalitesini arttırmak için derin konvolüsyonel auto-encoder kullanılması önerilmiş ve bozuk resimlere göre daha doğru değerler alınmıştır. Bu tez, makine görü sistemlerinin resim kalitesinden bağımsız olarak sonuç vermesinin geliştirilmesine katkı sağlar.
Özet (Çeviri)
Deep neural networks have obtained significant performance on recognizing objects even in real-time video stream. As hardware requirements of this task decrease in cost and parts getting smaller, this technology can be used in mobile devices Most of the time, deep neural networks are trained and tested on quality picture datasets. But frames provided by camera may be distorted because of camera defects and/or weather conditions such as rain and snow. This paper provides an evaluation of four state-of-the-art deep neural network models for picture classification under quality distortions. Three types of quality distortions are considered: blur, noise and contrast. It is shown that the existing networks are susceptible to these quality distortions and architecture of the network dramatically affects the results. Using deep convolutional auto-encoder to restore picture quality is suggested and better scores have been archived utilizing it. Results enable future work in developing machine vision systems on that are more invariant to quality distortions.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme ile uydu görüntülerinde hedef tespiti
Target detection in satellite images using deep learning
VAZIRKHAN TARVERDIYEV
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Gerçek zamanlı izleme sistemleriyle bir elektrik dağıtım sisteminde güç kalitesi problemlerinin incelenmesi
Investigation of power quality problems in a power distribution system by using real-time monitoring systems
SERHAT BEĞDE
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET RECEP MİNAZ
- Elektrikli araç şarj istasyonlarının dağıtım şebekelerinin gerilim kalitesine etkisinin incelenmesi
Investigation of the effects of electric vehicle charging stations on the voltage quality of distribution grids
NURETTİN DOĞAN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPER KEREM
PROF. DR. AHMET SERDAR YILMAZ
- Quality of service aware communication framework for wireless sensor network based smart grid applications
Kablosuz sensör ağ bazlı akıllı şebeke uygulamaları için hizmet kalitesi duyarlı sistem
MELİKE YİĞİT KAPDAN
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. PINAR SARISARAY BÖLÜK
DOÇ. DR. VEHBİ ÇAĞRI GÜNGÖR