Kontrollü geçişler için derin öğrenme tabanlı plaka tanıma sistemi
Deep learning based license plate recognition system for controlled transitions
- Tez No: 566916
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKÇEN ÇETİNEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Otomatik Plaka Tanıma, otoyollar, otoparklar, terminaller, kamu kurum ve kuruluşları gibi birçok yerde yaygın olarak ihtiyaç duyulan sistemlerdir. Bu çalışmada plaka tanıma sistemi gerçekleşmiştir. Plaka tanıma sistemleri üç ana aşamadan oluşmaktadır. Bu aşamalar: plaka yerinin tespiti, karakter bölütleme ve karakter tanıma işlemleridir. Çalışmada plaka ve karakter tespit için Tensorflow Nesne Algılama API'si kullanılmıştır. Bu üç ana işlem şu sırayla gerçekleşmektedir. İlk önce sistem giriş görüntüleri üzerinde plaka tespit işlemi gerçekleşmektedir. Ardından tespit edilen plaka yeniden boyutlandırma ve filtre işlemlerine tabi tutularak karakter tespit işlemine hazır hale getirilmektedir. İkinci aşamada plaka üzerindeki karakterler tespit işlemi gerçekleşmektedir. Üçüncü ve son aşamada tespit edilen karakter tanınma işlemleri gerçekleştirilmiştir. Sistem çalışma süresi, i5-8250 CPU 1.80 GHz işlemci özelliklerine sahip bir bilgisayarda ortalama 5.25 saniye sürmektedir. Sistem başarımı üç ana aşama ayrı olarak incelendiğinde: plaka tespit işlem başarımı %99.06, karakter tespit başarımı %95.03 ve karakter tanıma başarımı %90.03 doğrulukla gerçekleştirilmiştir. Ancak modüler bazdaki bu başarımlar genel sistem başarımlarında elde edilememiştir. Genel sistem başarımının modüler bazdaki başarımlara oranla düşük olmasının başlıca sebepleri, plaka eğimi ve çevresel faktörlerdir. Gelecek çalışmalarda bu problemlerin giderilerek genel başarımın yükseltilmesi hedeflenmektedir.
Özet (Çeviri)
Automatic Lisence Plate Recognition is a widely needed system in many places such as highways, car parks, terminals, public institutions and organizations. In this study, plate recognition system is implemented. Plate recognition systems consist of three main stages. These stages are plate detection, character segmetation and character recognition. The Tensorflow Object Detection API is used for the plate and character detection process in the study. The multilayer convolution neural networks are used for character recognition. These three main operations take place in the following order: First, the plate detection process is performed on the input image of the system. Then, detected plate is subjected to re-sizing and filtering processes and made ready for character recognition. In the second stage, the characters on the plate are detected. In the third and last stage, the recognition process of the detected characters is performed. The system runtime takes on average 5.25 seconds on a computer with the i5-8250 CPU 1.80 GHz processor. When the three main stages of system performance are analyzed separately: plate detection process performance is 99.06%, character detection performance is 95.03% and character recognition performance is 90.03%. But this modular performances can not been obtained for overall system performance. The main reasons of this performance decrease are plate slope and environmental factors. In the future works, it is aimed to incerase the performance of the system by overcoming this problems.
Benzer Tezler
- Makine öğrenme yöntemlerini kullanarak araç plaka tanıması
Using machine learning methods vehicle plate recognition
CANDAŞ YILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADEM ÖZYAVAŞ
- Derin öğrenme kullanılarak sahte plakalı araç tespit sistemi geliştirilmesi
Developing fake plate vehicle detection system using deep learning
BURAK AĞGÜL
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN ERDEMİR
- Motion planning and control with randomized payloads using deep reinforcement learning
Derin pekiştirmeli öğrenme kullanarak rastgele yükler ile hareket planlama ve kontrol
ALİ DEMİR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- Novel sampling strategies for experience replay mechanisms in off-policy deep reinforcement learning algorithms
Derin deterministik politika gradyani algoritmaları için yeni tecrübe tekrarı stratejileri
FURKAN BURAK MUTLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SERDAR KOZAT
PROF. DR. SİNAN GEZİCİ
DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ
- Long-horizon value gradient methods on Stiefel manifold
Stiefel manifoldu üzerinde uzun ufuklu değer gradyanı yöntemleri
TOLGA OK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE