Evrişimsel sinir ağları kullanarak drone tarafından elde edilen görüntülerde nesne tanıma
Convolutional neural network based object recognition in the images obtained by a drone
- Tez No: 576781
- Danışmanlar: DR. ÖĞR. ÜYESİ ERSİN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimsel Sinir Ağları, PID, Quadcopter, İHA, Convolutional neural network, PID, Quadcopter, UAV
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Sivil savunma sistemi yönetiminde insansız hava araçlarının (İHA) sayısız uygulaması vardır. Birkaç örnek, rutin köprü denetimleri, afet yönetimi, elektrik hattı gözetimi ve trafik incelemesidir. İHA uygulamaları yaygınlaştıkça, cihazların güvenliğini, verimliliğini ve doğruluğunu arttırmak için artan seviyelerde özerklik ve bağımsız karar alma süreci gerekir. Bu tez çalışmasında, quadcopter tabanlı bir nesne tanıma sistemi tasarlanması amaçlanmaktadır. Quadcopterde F450 modeli şase ile tasarlanmıştır. KK2.1 EVO uçuş kontrolörü ile çalışmaktadır. Nesne tanıma yöntemi, COCO nesneleri üzerinde eğitilmiş, mobilenet modeli adı verilen 91 nesne kategorisini içeren veri kümesi üzerinde eğitilmiş bir evrişimli sinir ağıdır. Quadcopteri dengelemek ve kalibre etmek için PID kontrolörü kullanılmıştır. Bu çalışmada, gerçek zamanlı olarak ve uçuş sırasında herhangi bir sorun olmadan nesne tanıma ve algılamada yüksek performans elde edilmiştir. Önerilen bu çalışma, farklı nesnelerden oluşan ve toplamda 252 görüntüden meydana gelen bir test ortamında test edilmiş olup, Quadcopter aletinin uçuşu esnasında gerçek zamanlı görüntü alınmış ve beş nesnede %83,11 oranında kesinliğe ulaşılmıştır.
Özet (Çeviri)
There are numerous applications of unmanned aerial vehicles (UAVs) in the management of civil infrastructure assets. A few examples include routine bridge inspections, disaster management, power line surveillance and traffic surveying. As UAV applications become widespread, increased levels of autonomy and independent decision-making are necessary to improve the safety, efficiency and accuracy of the devices. This thesis aims to design an object recognition system based on quadcopter. The Quadcopter is F450 frame sized and powered by KK2.1 EVO flight controller. The object recognition method is a convolutional neural network trained on COCO objects dataset the containing 91 object categories called mobilenet model. The PID controller used and calibrated of stabilize the quadcopter during the flight. In this work show a high performance of object recognition and detection at the real time and during the flight without any problems. The propose of this work is testing on a testing set that containing 252 images with multiple objects in different scenes and it tested at the real-time during the quadcopter fly and it achieved a total accuracy of %83.11 on five objects.
Benzer Tezler
- Evrişimli sinir ağları ile yüksek çözünürlüklü uydu görüntülerinden uçak tespiti
Aircraft detection from high resolution satellite images with convolutional neural networks
EMİNE DİLŞAD ÜNSAL
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme tabanlı görüntü gürültü giderme için yoğun bağlantı kullanan yeni yaklaşımlar
Densely connected structures in deep learning based image denoising
VEDAT ACAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Crowd density map estimation system from aerial images
Havadan alınan görüntülerden yoğunluk haritası tespit sistemi
OSMAN TARIK ÇETİNKAYA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Comparative analysis of deep learning components on compressed domain action recogniton framework
Derin öğrenme bileşenlerinin sıkıştırılmış domen aktivite tanıma sistemi üzerinde karşılaştırmalı analizi
HÜSEYİN ONUR YAĞAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN