Evrişimsel sinir ağları ile ortam tarifleme
Environment description with convolutional neural networks
- Tez No: 541983
- Danışmanlar: DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 51
Özet
Bu çalışmada, içinde bulunulan ortamdaki nesneleri ve bu nesnelerin birbirlerine konumlarını tarifleyen bir sistem geliştirilmiştir. Bu sistem görme engelli kişilerin çevrelerinde neler olduğunu öğrenmesi, küçük çocukların çevrelerindeki nesneleri öğrenmesi gibi amaçlar için kullanılabilir. İsimleri bilinmeyen nesnelerin isimlerinin öğrenilmesi için kullanılabilir. Yapılan çalışmada, görüntülerde nesne bulunan bölgeler grafik tabanlı bölütleme yöntemi ile tespit edilmektedir. Tespit edilen bu bölgelerdeki aşırı bölütlenme sorunu Seçmeli Arama algoritması ile çözülmektedir. Nesne tespit edilen bölgeler, derin konvolüsyonel sinir ağı ile işlenerek, bu bölgelerde bulunan nesnelerin isimleri ve doğruluk olasılıkları tespit edilmektedir. Elde edilen nesne konumları ve isimleri cümleler kurularak kullanıcıya aktarılmaktadır. Yapılan uygulama ve testlerde görüldüğü üzere, son derece başarılı bir ortam tarifleme aracı geliştirilmiştir.
Özet (Çeviri)
In this study, a system which describes the objects present in the environment and their relative positions has been developed. This system can be used for visually impaired people to learn what is happening in their surroundings and for young children to learn objects in their surroundings. The proposed system can also be used for finding out the names of unknown objects. In the study, the regions that contain objects are detected by the graph based segmentation method in the images. The over segmentation problem of the detected regions is solved using the selective search algorithm. Detected regions are processed with deep convolutional neural network and the names and accuracy probabilities of the objects found in these regions are determined. Finally, the obtained object positions and names are transferred to the user by establishing sentences. Experimental results show that a highly successful environment description tool has been developed.
Benzer Tezler
- Classification of pediatric snoring episodes using deep convolutional neural networks
Pediyatrik horlama episodlarının derin evrişimsel sinir ağları ile sınıflandırılması
OZAN FIRAT CİVANER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. MUSTAFA ERSEL KAMAŞAK
- Çevresel seslerin evrişimsel sinir ağları ile sınıflandırılması
Classification of environmental sounds with convolutional neural networks
YALÇIN DİNÇER
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN İNİK
- Short-term solar power forecasting with artificial neural network models
Yapay sinir ağları modelleri ile kısa süreli güneş enerjisi tahmini
SEÇKİN GÖKÇE
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Derin öğrenme tabanlı yöntemler ile GPR görüntülerinde obje tespiti
Object detection in GPR images with deep learning based methods
ORHAN APAYDIN
Yüksek Lisans
Türkçe
2023
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İŞSEVEN
- Solunum seslerinin evrişimsel sinir ağlarıyla sınıflandırılması
Classification of lung sounds with convolutional neural networks
FUNDA CİNYOL
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR BAYSAL