Trafik işaretlerinin derin sinir ağları ile sınıflandırılması
Classification of traffic signs with deep neural networks
- Tez No: 584527
- Danışmanlar: DR. ÖĞR. ÜYESİ EMİN ARGUN ORAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 72
Özet
Bu tezde görüntü işleme uygulamalarında önemli bir yer alan ve akıllı araç tasarımının bir parçası olan trafik işaretlerinin sınıflandırılması gerçekleştirilmiştir. Sürücüler ve yayalar için önemli bilgiler taşıyan, uyarıcı niteliğinde olan ve trafiğin düzenli akışını sağlayan trafik işaretleri çoğu zaman sürücüler tarafından fark edilmez ve bunun sonucunda da çeşitli kazalar meydana gelir. Bu yüzden Sürücü Destek Sistemlerinin bir parçası olarak Trafik İşareti Tanıma kullanılmaktadır. Bu çalışmada 43 sınıftan oluşan ve toplam 39.209 eğitim, 12.630 test görüntüsü içeren German Traffic Sign Recognition Benchmark (GTSRB) veri seti kullanılmıştır. Derin öğrenme yöntemlerinden Konvolüsyonel Sinir Ağları (CNN) kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. MATLAB için Konvolüsyonel Sinir Ağlarının bir uygulaması olan MatConvNet araç kutusu kullanılmış ve oluşturulan CNN mimarisi ile sınıflandırma işlemi sonucunda ortalama %94.56 oranında başarı elde edilmiştir. CNN mimarisine görüntüler üzerinde dönüşüm gerçekleştiren Mekansal Dönüşüm Ağları (STN) eklenerek yapılan sınıflandırmada ortalama %96.22 oranında doğruluk elde edilmiştir.
Özet (Çeviri)
In this thesis, the classification of traffic signs is realized, which is an important part of image processing applications and which is a part of intelligent vehicle design. Traffic signs that provide important information for drivers and pedestrians, which serve as a warning and that ensure the regular flow of traffic, are often not recognized by drivers, resulting in various accidents. Therefore Traffic Sign Recognition is used as part of Driver Support Systems. In this study, German Traffic Sign Recognition Benchmark (GTSRB) dataset were used which consisting of 43 classes and 39.209 training and 12.630 test images. The classification process was carried out using Convolutional Neural Networks (CNN) which is one of the deep learning methods. MatConvNet toolbox, which is an application of Convolutional Neural Networks, was used for MATLAB and with CNN architecture, 94.56% success was achieved as a result of classification process. Spatial Transformation Networks (STN), which perform conversion on images, were added to the CNN architecture to achieve an accuracy of 96.22% on average.
Benzer Tezler
- İmge içeriği tabanlı nesne sınıflandırma
Image content based object classification
YEŞİM KALKAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZİYA TELATAR
- Trafik levhalarının evrişimsel sinir ağları ile tanınması
Recognition of traffic signs using convolutional neural networks
BÜŞRA ÖVÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Derin evrişimsel sinir ağlarını kullanılarak araç, insan ve trafik işaretlerinin tanınması
Recognition of vehicle, human and traffic signs using deep convolutional neural networks
GÜLYETER ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER
- Traffic signs classification with transfer learning of CNN based models and performance comprasion
CNN ağları kullanılarak trafik işaretlerinin tespiti ve performans karşılaştırması
MOHAMMED GHAZİ KHASSAF ALSHAMİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ
- Derin öğrenme algoritmaları ile trafik işaret ve levhalarının tanımlanması
Traffic sign recognition with deep learning algorithms
AHMET YAVUZ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR İPLİKÇİ