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: Belirtilmemiş.
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
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- 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
- DRONE AND BIRD CLASSIFICATION USING CONVOLUTIONAL NEURAL NETWORKS
EVRİŞİMSEL SİNİR AĞI YÖNTEMİ İLE İNSANSIZ HAVA ARACI VE KUŞ SINIFLANDIRMASI
EDA KARALA
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- 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
- 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