Road image segmentation by using resnet autoencoderhybrid model
Resnet otokodlayıcı hibrit model yaklaşımı ile yolgörüntülerinin bölütlenmesi
- Tez No: 606499
- Danışmanlar: PROF. DR. TAMER ÖLMEZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dekonvolüsyon, Derin öğrenme, Sayısal görüntü işleme, Yapay sinir ağları, Deconvolution, Deep learning, Digital image processing, Artificial neural networks
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- 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
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Çok yüksek çözünürlüklü uydu görüntülerinden grafik tabanlı bilgi çıkarımı
Graph-based infortmation extraction from very high resolution satellite images
NURETTİN SİNANOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- 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
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- 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
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN TARI
- Derin öğrenme kullanarak uydu görüntülerinden yol tespiti
Road identification from satellite imagery using deep learning
MOHAMMED MAHMOOD ABDULWAHAB NASSER
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT HALUK ATASEVER