Geri Dön

Evrişimsel sinir ağları kullanarak drone tarafından elde edilen görüntülerde nesne tanıma

Convolutional neural network based object recognition in the images obtained by a drone

  1. Tez No: 576781
  2. Yazar: AHMED MOHAMMED AHMED BAYATI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ERSİN KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Evrişimsel Sinir Ağları, PID, Quadcopter, İHA, Convolutional neural network, PID, Quadcopter, UAV
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. 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

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  4. Crowd density map estimation system from aerial images

    Havadan alınan görüntülerden yoğunluk haritası tespit sistemi

    OSMAN TARIK ÇETİNKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  5. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN