Geri Dön

Elm ve diğer algoritmalarla 3D segmentasyon işlemi

3d segmentation with extreme learning machine and other algorithms

  1. Tez No: 529046
  2. Yazar: ERTUĞRUL KAYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ESER SERT
  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: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Günümüzde görüntü işlemeye tıp, askeri, eğitim, güvenlik gibi birçok alanda ihtiyaç duyulmaktadır. Segmentasyon işlemi de görüntü işlemenin en önemli adımlarından birini oluşturmaktadır. Literatür araştırmalarında, genellikle segmentasyon işleminin 2D olarak yapıldığı ve 3D segmentasyon çalışmalarının daha az olduğu görülmektedir. 3D segmentasyonda derinlik bilgisi de bulunduğundan, görüntünün daha doğru analiz edilmesi işlemine katkı sağlamaktadır. Bu durum 3D segmentasyon işleminin önemini daha da artırmaktadır. Birçok alanda kullanılan ELM (Extreme Learning Machine – Aşırı Öğrenme Makinesi) tek gizli katmana sahip ileri beslemeli bir yapay sinir ağı modelidir. 3D segmentasyon işlemi için yapılan bu çalışmada ELM kullanılmıştır. Önerilen yöntemde ilk olarak ELM'nin eğitimi yapılmaktadır. Ardından test aşamasında, segmentasyonu istenen 3D görüntü kullanıcıya yardımcı olması için GUI (Graphical Unit Interface) kullanılarak seçtirilmektedir. Seçilen görüntüde daha önce eğitimi yapılan nesneler var ise, tanınan nesnenin 3D olarak segmentasyonu gerçekleştirilmektedir. Buna ek olarak eğitim aşamasında nesnelerin isimleri de öğretildiğinden, tanınan nesnelerin yan taraflarına adları da yazdırılmaktadır. Segmentasyon için seçilen görüntüde eğitimi yapılmamış nesneler var ise nesneyi ayrıştırarak yanına tanınmayan nesne ifadesini yazmaktadır. Önerilen yöntemle yapılan segmentasyon işleminin sonucu YSA ve FCM ile karşılaştırılmış olup elde edilen sonuçlar önerilen yöntemin başarısını açıkça ortaya koymuştur.

Özet (Çeviri)

Today, image processing is needed in many areas such as medicine, military, education and security. Segmentation is also one of the most important steps in image processing. In literature research, it is generally seen that the segmentation process is done in 2D and 3D segmentation studies are less. As 3D segmentation has depth information, it contributes to more accurate analysis of the image. This further increases the importance of 3D segmentation. The ELM (Extreme Learning Machine), which is used in many areas, is a feed-forward neural network model with a single hidden layer. ELM is used in this study for 3D segmentation. In the proposed method, ELM is trained first. Then, during the testing phase, the segmented 3D image is selected using the GUI (Graphical Unit Interface) to assist the user. If there are objects previously trained in the selected image, 3D segmentation of the recognized object is performed. In addition, since the names of objects are also taught during the training phase, the names of the recognized objects are printed on their side. If there are objects that have not been trained in the image selected for segmentation, it parses the object and writes the unrecognized object expression next to it. The result of the segmentation process with the proposed method was compared with ANN and FCM, and the results clearly demonstrated the success of the proposed method.

Benzer Tezler

  1. Hava kalitesinin incelenmesi ve eğitilebilir algoritmalarda modellenmesinin araştırılması; Çerkezköy örneği

    Investigation of air quality and modeling with training algorithms; a case study for Çerkezköy

    HÜSEYİN ÖZEL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN KURTULUŞ ÖZCAN

    DR. PINAR CİHAN

  2. Improved extreme learning machines and applications

    Geliştirilmiş aşırı öğrenme makineleri ve uygulamaları

    MOHANAD ABD SHEHAB AL KARAWI

    Doktora

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİHAN KAHRAMAN

  3. Developing oxygen amount prediction model of basic oxygen furnace steelmaking process with machine learning algorithms

    Makine öğrenmesi algoritmaları ile bazik oksijen fırını çelik üretiminde oksijen miktarı tahminleme modeli geliştirilmesi

    SONER TÜRKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BUSE MELİS ÖZYILDIRIM

  4. Makine öğrenmesi algoritmalarıyla Türk işaret dilinde harf ve dinamik sözcük tanıma

    Alphabet and dynamic word recognition in Turkish sign language with machine learning algorithms

    ZEKERİYA KATILMIŞ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CİHAN KARAKUZU

  5. Kurumsal bilgisayar ağlarındaki trafik bilgisinin akıllı sistemler ile sınıflandırılması

    Intelligents systems with classification of traffic information in corporate computer networks

    FATİH ERTAM

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN AVCI