Geri Dön

Road image segmentation by using resnet autoencoderhybrid model

Resnet otokodlayıcı hibrit model yaklaşımı ile yolgörüntülerinin bölütlenmesi

  1. Tez No: 606499
  2. Yazar: SIDIKA ELBİ MUTLUOĞLU
  3. Danışmanlar: PROF. DR. TAMER ÖLMEZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Haberleşme Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Güvenlik-emniyet, hem araç kullanıcıları hem de yayalar için oldukça dikkat çeken ve önemli endişelerden biridir. Yorgun ve uykulu sürücülerin aldıkları yanlış kararlardan dolayı artan kaza yapma riski azımsanmayacak kadar önemli olup, müdahale gerektirebilecek kadar kritikleşebilecek bir durumdur. Bu nedenle, Otonom Araç Endüstrisi trafikteki sürücü kaynaklı yanlış kararları önlemek veya azaltmak için önemli bir çözüm olarak düşünülmektedir. Şerit algılama ve takip etme, otonom araç kontrol algoritması için çözülmesi gereken önemli ve zorlu sorunlardan biri olarak tanımlanabilir. Otoyol için iyi çalıştığı bilinen geleneksel yöntemler olmasına rağmen farklı yol, hava ve çevre durumları için bu çözümler yeterli değildir. Bu tez çalışmasında, daha derin ve başarılı bir yöntem ile değişken çevresel koşullarla başa çıkmak için ResNet otomatik kodlayıcı hibrit model yaklaşımı önerilmiştir. Tezin ilk adımında, şerit algılama konusunda geleneksel yöntemlerin detaylı araştırılmasının sonucunda Hough Transform ilk metod olarak belirlenmiştir. Tezin ilk adımında, şerit algılama konusunda geleneksel yöntemlerin detaylı araştırılmasının sonucunda Hough Transform ilk metod olarak belirlenmiştir. İkinci çözüm olarak, otokodlayıcı sinir ağı yapısı öne çıkarılmışıtr. Son ve en önemli olarak, öğrenmede daha derine gitmek için literatürdeki başarılı ve karmaşık model yapılarından biri olan ResNet mimarisi kullanılmak üzere seçilmiştir. Bunun devamında, deneysel test veri seti üzerinde IoU metriği ile değerlendirilen sonuçlar incelenmiş ve karşılaştırılmıştır.

Özet (Çeviri)

Safety is one of the popular and significant concerns due to the increment of traffic accident caused by tired and sleepy drivers. Hence, Autonomous Industry becomes a hot topic solution to avoid or decrease the wrong decision of the driver in the traffic. Lane detection and tracking can be defined as one of the significant and challenging problems for autonomous vehicle control algorithm. In this thesis, a ResNet AutoEncoder hybrid model approach is proposed to deal with unstable environmental conditions deeper and accomplished. As a first step, the Hough Transform is realized as a widely used conventional method after required image preprocessing. Secondly, in order to handle unstable cases deep neural network approach is presented as an alternative solution. Last but not least, a ResNet AutoEncoder Hybrid model is developed by integration of ResNet architecture without the fully connected part and deconvolution layer. As a conclusion of this thesis, the IoU metric results of these three methods are evaluated and compared.

Benzer Tezler

  1. Deep learning based road segmentation from multi-source and multi-scale data

    Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi

    OZAN ÖZTÜRK

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  2. Çok yüksek çözünürlüklü uydu görüntülerinden grafik tabanlı bilgi çıkarımı

    Graph-based infortmation extraction from very high resolution satellite images

    NURETTİN SİNANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Derin öğrenme yöntemleri ve uydu görüntü verileri kullanılarak deprem sonrası ağır hasarlı alanların tespiti: Kahramanmaraş örneği

    Using deep learning methods and satellite imagery identifying heavily damaged areas after an earthquake: The case of Kahramanmaraş

    EMİNE SARIALİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

  4. Road geometry extraction with fusion of low resolution satellite imagery and GPS trajectory using deep learning methods

    Düşük çözünürlüklü uydu görüntüleri ve GPS rotaları birleştirilmesi ve derin öğrenme yöntemleri kullanılarak yol geometrilerinin tespiti

    NECİP ENES GENGEÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERGİN TARI

  5. Navigason haritalarında yol ağı verisinin güncellenmesi için uydu verilerinin kullanılabilirliğinin araştırılması

    A study on the usability of satellite images for updating road network data of navigation maps

    SELİN YAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ UĞUR ALGANCI