Gömülü sistem üzerinde evrişimsel sinir ağları ile nesne sınıflandırılması
Object classification with convolutional neural networks on embedded systems
- Tez No: 521422
- Danışmanlar: DOÇ. DR. MUHAMMED FATİH DEMİRCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü sınıflandırma, Makine öğrenmesi yöntemleri, Image classification, Machine learning methods
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Tobb Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin sinir ağları görüntü sınıflandırma üzerinde başarılı bir şekilde uygulanmak- tadır. Görüntüde tespit edilen nesnelerin ne olduğunu anlanması büyük bir ilgi görmektedir. Derin sinir ağlarının gömülü sistemler üzerinde kullanılması oldukça fazla hafıza ve güçlü işlemci teknolojileri gerektirmektedir. Bu tezin amacı gömülü bir sistem üzerinde görüntü sınıflandırma işleminin ne kadar başarılı bir şekilde yapıldığını gözlemlemektir. Bu çalışmada sadece 3 GB hafıza kullanarak geliştiri- len mimari ile %85.9 oranında doğruluk elde edilmiştir. Önerilen mimari 4 saat içerisinde eğitilerek, 0.7 ms içersinde sınıflandırma sonucunu üretmektedir.
Özet (Çeviri)
Deep Neural Network is successfully applied for image classification problems. The understanding of what object is detected in the image is great interested. The prupose of this article is that image classification problem and tracking classified object could be applied in real time systems. The aim of this thesis is image classification process is observing how successful in an embedded system. In this work, proposed architecture has only 3 GB memory with accuracy %85.9. It trains in 4 hour,and outputs the classification result in 0.7 ms.
Benzer Tezler
- A new monocular depth estimation model using hybrid architecture
Hibrit mimari kullanarak yeni bir monoküler derinlik tahmini modeli
HAMİDULLAH TÜRKMEN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Tütün yaprağı üzerinde bulunan hastalıkları morfolojik görüntü işleme metotlarıyla tespit eden gerçek zamanlı gömülü sistem tasarımı
Design of a real-time embedded system that detects diseases on tobacco leaves using morphological image processing methods
CEMİL ERGİN
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇETİN CEM BÜKÜCÜ
- Evrişimsel yapay sinir ağları ile görüntüde toplamsal beyaz Gauss gürültü seviye tespiti
Noise estimation of additive white Gaussian noise with convolutional neural networks
HİKMET KIRMIZITAŞ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURETTİN BEŞLİ
- FPGA Üzerinde Derin Öğrenme Yöntemiyle İnsan ve Araç Tespiti
Human and Vehicle Detection on FPGA with Deep Learning
BESTAMİ GÜNAY
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ŞAKİR BİLGE
- Derin öğrenme ile tekstil tipi tanım
Fabric classification by using deep learning
GÖKHAN GÜRGEN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ