Geri Dön

Derin öğrenme yardımıyla araç sınıflandırma

Vehicle classification with deep learning

  1. Tez No: 572632
  2. Yazar: ZİYA TAN
  3. Danışmanlar: DOÇ. DR. GALİP AYDIN
  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: 2019
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kuramsal Temeller Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Derin öğrenme yöntemlerinin gelişmesiyle beraber görüntü, gen ve ses analizleri, robotik, otonom sistemler, tıp alanındaki hastalık teşhisleri gibi birçok alanda kullanılmaya başlanmıştır. Bu tür problemlerin çözümünde yüksek doğruluk elde edilmesi yaygın bir kullanım alanı oluşmasını sağlamıştır. Bu tez çalışmasında, 10 farklı marka/modelde aracın birbirinden farklı yaklaşık 20000 görüntüden oluşan veri setini önceden eğitilmiş Faster R-CNN Resnet50, Faster R-CNN ResNet101, R-FCN ResNet101 ve SSD mobilenet ağlarını transfer öğrenme yöntemiyle eğitilmiştir. Yapılan testler sonucunda %94,4 lük doğruluk oranıyla Faster R-CNN ResNet50 modeli en başarılı sonuç elde edilmiştir. Eğitim aşamasında kullanılmayan görüntülerden oluşan veri kümesi kullanılarak eğitim sonuçları gözlemlenmiştir. Eğitim aşamasında Google tarafından geliştirilen açık kaynak kodlu TensorFlow kütüphanesi ve Python programlama dili kullanılmıştır. Modelimizde farklı parametreler kullanarak başarımın nasıl değiştiği gözlemlenmiştir. Yapılan eğitimler sonucunda başarılı sonuçlar alınmıştır. Sonuçlarla alakalı tablolar ve loss grafikleri bölümün sonunda gösterilmiştir.

Özet (Çeviri)

With the development of deep learning methods, image, gene and sound analysis, robotics, autonomous systems, medical field diagnosis has been started to be used in many areas. High accuracy in solving such problems has led to a widespread use. In this thesis, the data set of approximately 20000 different data sets of 10 different brands / models of vehicles are trained by transfer learning method of Faster R-CNN Resnet50, Faster R-CNN ResNet101, R-FCN ResNet101 and SSD mobilenet networks. As a result of the tests, Faster R-CNN ResNet50 model was the most successful with 94.4% accuracy. The training results were observed by using a dataset consisting of unused images. The open source TensorFlow library and Python programming language developed by Google were used during the training phase. In our model, it has been observed how the performance changes by using different parameters. Successful results were obtained as a result of the trainings. Tables and loss graphs related to the results are shown at the end of the section.

Benzer Tezler

  1. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  2. Statistical feature learning and signal generation for time-series sensor signals

    Zaman serisi sensör işaretleri için öznitelik öğrenimi ve işaret üretimi

    ERKAN KARAKUŞ

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

  3. Car damage analysis for insurance market using convolutional neural networks

    Sigorta sektörü için evrişimsel sinir ağları kullanarak araç hasarı analizi

    CİHAT TOLGA ARTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA KAYA

  4. Fuzzy cognitive maps for emotion modeling

    Bulanık bilişsel haritalar yardımıyla insan duygularının modellenmesi

    HASAN MURAT AKINCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ENGİN YEŞİL

  5. Essays on estimation methods

    Tahmin yöntemleri üzerine makaleler

    YASİN KÜTÜK

    Doktora

    İngilizce

    İngilizce

    2019

    Ekonometriİstanbul Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU