Detection and localization of motorway overhead directional signs by convolutional neural networks trained with synthetic images
Otoyol üst yönlendirici tabelalarının yapay görüntülerle eğitilen evrişimli sinir ağları ile tespiti ve konumlandırılması
- Tez No: 563665
- Danışmanlar: YRD. DOÇ. DR. YALIN BAŞTANLAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Görüntü sınıflandırması, nesne tespit ve tanımasında son on yıl içinde epey bir mesafe kat edildi. ImageNet ile başlayan yarışmalar, Yapan Sinir Ağlarının muhtelif geliştirmelerle uygulanmasının, içinde bulunduğumuz zaman için bu tarz görevler için en uygun Yapay Öğrenme yöntemi olduğunu gösterdi. Ancak yapay öğrenme yöntemleri oldukça fazla veriye ihtiyaç duyar ve görüntü ile ilgili işlemlerde bu tarz veriler, temin edilebilseler bile zaman ve çaba olarak oldukça maliyetlidir. Eğitim verisi kısıtlı veya tüm hedef seti temsil edemediği durumlarda yapay veri oluşturulması ve veri çoğaltma yöntemleriyle elde olan eğitim verisinin arttırılması yoluna gidilir. Bu tez çalışması, hedef sınıflandırma görsellerinin gevşek de olsa bir yapıya sahip olduğu durumlarda, herhangi bir gerçek veri olmasa bile yine de yapay öğrenme yöntemlerinin (ki buradaki örnekte derin öğrenim yöntemleri kullanılmıştır) kullanılabileceğini ve iyi bir tespit modeli oluşturulabileceğini göstermektedir. Bu çalışmada bir Evrişimli Sinir Ağı modeli, bilgilendirici otoyol şerit yönlendirme işaretlerinin tespit ve konumlandırılması için eğitilmiştir. Hedef görsel işaretlerin hiçbir gerçek örneği olmadan yola çıkılarak, modeli eğitmek için bilgisayar kodu ile geniş bir eğitim seti oluşturulmuştur. Bu set kullanılarak oluşturulan tespit sistemi, istenen işaretleri yüksek doğruluk düzeyi ile tespit ederek, görüntü içindeki konumlarını sınırlayıcı kutular ile işaretleyerek sınıflandırabilmektedir.
Özet (Çeviri)
Image classification, object detection and recognition have gone a long way in the last decade. The competitions, starting with ImageNet, have shown that various improving implementations of Artificial Neural Networks are the best Machine Learning techniques at the time for such tasks. However, machine learning methods require much training data and the such data for image related tasks come at a cost in terms of time and effort, if it can be obtained at all. When training data is scarce or not representative of the whole target set, synthetic data and data augmentation methods are used to increase the training data using what is already available. This thesis work shows that when the target classification images have a structure, even a loose one, it is still possible to use machine learning methods, deep learning in this case, without any real data to begin with and still produce a good detection model. In this work, a Convolutional Neural Network model is trained to detect and localize informative motorway lane direction signs. Starting with no real samples of the target images, a large computer-generated training set is created to train the model. The resulting detector can detect the required sign types with high accuracy, localizing their position by bounding boxes and categorizing them.
Benzer Tezler
- Spatio-temporal clustering for non-recurrent traffic congestion detection on urban road networks
Konum-zamansal kümeleme ile özgün trafik sıkışıklıklarının şehiriçi trafik ağlarında tespit edilmesi
BERK ANBAROĞLU
Doktora
İngilizce
2013
UlaşımUniversity of London - University College LondonCoğrafi Bilgi Teknolojileri Ana Bilim Dalı
PROF. DR. TAO CHENG
- Telsiz vericilerinin çoklu yansımalı ortamlarda sayısının ve yerlerinin tespit edilmesi
Detection and localization of multiple emitters in the presence of multipath
UĞUR SARAÇ
Doktora
Türkçe
2009
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
YRD. DOÇ. DR. F. KEREM HARMANCI
- Detection and localization of drones in MIMO CW radar
MIMO(çoklu giriş çoklu çıkış) sürekli dalga radarında insansız hava aracı (İHA) sezimi ve konumlandırması
AYHAN YAZICI
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BUYURMAN BAYKAL
- Makine öğrenmesi teknikleriyle mikrodalga meme kanserinin tespiti ve konumunun belirlenmesi
Detection and localization of microwave breast cancer by machine learning techniques
ELİF TÖLÜK
Yüksek Lisans
Türkçe
2022
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
- Detection and localization of energy theft in distribution networks using artificial intelligence neural networks
Yapay zeka sinir ağları kullanılarak dağıtım şebekelerinde enerji hırsızlığının tespiti ve lokalizasyonu
ALİ HAWİ MEZBAN MEZBAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMOUD HK. ALDABABSA
DOÇ. DR. KHALİD O.MOH. YAHYA