Geri Dön

Visual object detection and tracking using local convolutional context features and recurrent neural networks

Yerel evrişimli bağlam öznitelikleri ve yinelemeli sinir ağları kullanarak görsel nesne tespiti ve takibi

PDF İndir

  1. Tez No: 527344
  2. Yazar: EMRE CAN KAYA
  3. Danışmanlar: PROF. DR. ABDULLAH AYDIN ALATAN
  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: 2018
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Görsel nesne tespiti ve takibi; gerçek yaşamda bir çok önemli uygulama alanı bu- lunan, bilgisayarlı görünün iki başlıca problemidir. Geçtiğimiz onyılda, ayırt edici olarak eğitilen görsel temsil modelleri olan Evrişimli Sinir Ağları'na (ESA) ilgi arttı ve bunların performansı el yapımı temsillere dayanan modelleri hem tespit hem takip probleminde geride bıraktı. Öte yandan, videolar gibi sıralı yapıya sahip verileri mo- dellemede Yinelemeli Sinir Ağları (YSA) sıkça tercih edilmektedir. Hipotez temelli tespit yöntemlerinin performansını arttırmaya yönelik olarak yenilikçi bir evrişimli bağlam özniteliği eklentisi önerilmektedir. Önerilen yeni yaklaşımın etkililiğini gös- termek adına, geniş kapsamlı bir deneysel çalışma yürütüldü. Nesne takibi tarafında, karşılaştırmalı deneyler yoluyla çeşitli tasarımsal seçimlerin YSA temelli bir takip algoritması üzerindeki etkileri incelendi. Son olarak, önerilen bağlam öznitelikleri temelli yöntem YSA temelli takip algoritmasıyla birleştirildi ve birleşik tespit-takip algoritmasının tespitsiz algoritmaya göre daha iyi bir takip performansı sergilediği gözlemlendi.

Özet (Çeviri)

Visual object detection and tracking are two major problems in computer vision which have important real-life application areas. During the last decade, Convolutional Neu- ral Networks (CNNs) have received significant attention and outperformed methods that rely on handcrafted representations in both detection and tracking. On the other hand, Recurrent Neural Networks (RNNs) are commonly preferred for modeling se- quential data such as video sequences. A novel convolutional context feature exten- sion is introduced to a proposal-based detection scheme for improving object detec- tion performance. A comprehensive experimental study is conducted to demonstrate the effectiveness of this newly proposed approach. On the tracking side, the effect of several design choices is investigated for an RNN-based tracking algorithm by the help of comparative experiments. Finally, the proposed context feature based method is combined with the RNN-based tracking framework and a joint detection-tracking framework that outperforms the baseline model is proposed.

Benzer Tezler

  1. Tez No

    798185

    Real-time visual target identification and tracking via unmanned ground vehicle (UGV)

    İnsansız yer aracı (UGV) üzerinden gerçek zaman görsel hedef belirleme ve izleme

    NOUR ZAKARIYA AMMAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ OKATAN

  2. Tez No

    444629

    Part-based object tracking with correlation filters

    İlinti filtreleri ile parça tabanlı nesne takibi

    OSMAN AKIN

    Doktora

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İBRAHİM AYKUT ERDEM

  3. Tez No

    75482

    İstanbul-Paşaköy-B.Bakkalköy arası enerji nakil hattı kamulaştırma bilgi sistemi pilot çalışması

    Başlık çevirisi yok

    NURAY BAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GONCA COŞKUN

  4. Tez No

    363559

    Digital video stabilization with SIFT flow

    SIFT akışı ile sayısal video sabitleme

    İNCİ MELİHA BAYTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MELİH PAZARCI

  5. Tez No

    384964

    Saliency-based visual tracking using correlation filters for surveillance applications

    Gözetleme uygulamaları için benzeşim filtreleri kullanarak belirginlik tabanlı görsel takip

    EMRE TUNALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULLAH AYDIN ALATAN

Geri Dön