Geri Dön

Görüntü işleme yöntemleri kullanarak araç marka ve modelinin tespit edilmesi

Detection vehicle brand and model using image processing methods

  1. Tez No: 574720
  2. Yazar: MEHMET FURKAN KUNDURACI
  3. Danışmanlar: DOÇ. DR. HUMAR KAHRAMANLI ÖRNEK
  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: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Görüntü işleme tabanlı uygulamalar son yıllarda yaygın bir biçimde pek çok alanda kullanılmaktadır. Sınıflandırma, sayım, ölçme, hedef takibi gibi görevleri yerine getiren pek çok uygulama geliştirilmiştir. Bu tez çalışmasının amacı, araçların marka ve modelinin tespitinde etkili ve düşük maliyetli bir yöntem kullanarak farklı uygulamalar için çözüm sunmaktır. Araçların marka ve modelinin tespitinde Faster-RCNN modeli kullanılarak yüksek doğrulukta bir algoritma ve sınıflandırma metodu önerilmiş ve gerçeklemiştir. Önerilen çözüm değişik açılardan çekilmiş ve farklı kaynaklardan edilen çeşitli resimler üzerinde test edilmiştir. Çalışmada marka tespitinde Faster-RCNN metodu kullanılmıştır. Marka tespitinde 20 marka 21 sınıf üzerinde çalışılmıştır. Çalışmada bu metot 10 sınıfta %90'in üzerinde, 8 sınıfta %80 ile %90, 4 sınıfta ise %70-%80 arası doğru sonuç vermiştir. Genel başarıda bu metot %89,76 doğru sonuç vermiştir. Çalışmada araç modelinin tespitinde Faster-RCNN metodu kullanılmıştır. Şekil temeli bir görüş benimsenmiştir. 20 markanın 51 modeli üzerinde çalışılmıştır. 51 modelin farklı açılardan çekilmiş 6160 resmi eğitim gerçekleştirilmiştir. 2639 resim üzerinde sınama yapılmıştır. Genel başarıda bu yöntem %69,72 oranda doğru sonuç vermiştir.

Özet (Çeviri)

Image processing-based applications have been widely used in many areas in recent years. Many applications have been developed that perform tasks such as classification, counting, measuring and target tracking. The aim of this thesis is to provide solutions for different applications by using an effective and low cost method in determining the brand and model of vehicles. A high accuracy algorithm and classification method has been proposed and implemented by using Faster-RCNN model in determining brand and model of vehicles. The proposed solution was taken from different angles and tested on various images from different sources. In the study, Faster-RCNN method was used for brand identification. In brand determination, 20 brands and 21 classes were studied. In this study, this method yielded over 90% accuracy in 10 classes, 80-90% in 8 classes, and 70-80% in 4 classes. In general success, this method gave 89.76% correct results. In the study, Faster-RCNN method was used to detect the vehicle model. Shape-based vision was adopted. 51 models of 20 brands have been studied. 6160 training images of 51 models were taken from different angles. Tests were performed on 2639 images. In general success, this method yielded correct results at a rate of 69.72%.

Benzer Tezler

  1. Ağır ticari araçlarda kirlenme problemlerinin deneysel incelenmesi ve hava kanalı uygulaması

    Experimental investigation of soiling problems on high commercial vehicles and corner vane application

    MERT ÖLÇEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mühendislik BilimleriYıldız Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN DEMİR

  2. Görüntü işleme ve yapay sinir ağları kullanılarak araç karoserisi sac yüzeyindeki elektriksel direnç nokta kaynaklarının kalite seviyelerinin tespiti

    Determination of electrical resistance spot welds quality levels on automotive body sheet surfaces using image processing and artificial neural networks

    HİKMET OTMANBÖLÜK

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SARP ERTÜRK

  3. Facial detection using image processing techniques and deep neural network

    Görüntü işleme teknikleri ve derin sinir ağı kullanarak yüz algılama

    MOHANAD SALAH JASIM ALAZZAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. Dr. OSMAN NURİ UÇAN

  4. Görüntü çakıştırma teknikleri kullanarak otomatik kalite kontrol sistemi geliştirilmesi

    Development of automated quality control system using image registration techniques

    ÖMER AYCAN ÇİFTÇİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Mekatronik MühendisliğiBursa Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET MERT

  5. Sample-efficient deep learning methods for autonomous systems

    Otonom sistemler için verimli örneklemeli derin öğrenme yöntemleri

    YUNUS BİÇER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE