Mesh segmentation from sparse face labels using graph convolutional neural networks
Grafıksel evrişimli sinir ağlarını kullanarak yüzeyleri seyrek etiketlenmiş nesne bölütlemesi
- Tez No: 621791
- Danışmanlar: DOÇ. DR. YUSUF SAHİLLİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Derin öğrenmedeki belirgin gelişmeler Bilgisayar Bilimlerinin neredeyse her alanını etkilemektedir. Bilgisayar grafiklerinde nesne bölütlemesi aktif bir araştırma alanı olmuştur ve derin öğrenme gelişmeleri trendini yakından takip etmektedir. Nesne bölütlemesi, 3 boyutlu nesneler ile ilgili birçok uygulama alanında merkezi bir role sahiptir. Nesneyi manipüle etmek veya bileşenlerini analiz etmek için esas olarak nesne yapısını üretmek için kullanılır. Bu işlem çok temel bir role sahiptir ve bu temel olma özelliği uygulama alanlarına çeşitliliğe neden olur. Uygulama alanlarındaki çeşitlilik, zaman ve bellek kullanımı üzerinde öncelik sapmalarına yol açmaktadır. Bu tezde, Grafiksel Evrişimli Sinir Ağlarını kullanarak Nesne Bölütlemesi problemini çözüyoruz. Metodumuz, bölgesel olarak bölütleri etiketlenmiş objeleri alarak, nesnenin bölütlenmiş halini sonuç olarak üreten yarı denetimli bir yöntemdir. Bölütlenecek nesnenin ağ bilgisini kullanarak, yüzeylerin bağlantılari ile bir grafik olarak düşünüyoruz, ağın 3 boyutlu düzlemde olması olması sinir ağımız için geometrik olarak mantıksal özellikler oluşturmamızı sağlıyor. Komşuluk bilgilerinin kullanılması, oldukça yeni bir kavram olan Grafiksel Evrişimli Sinir Ağları tarafından korunmakta olup, bu yeni sinir ağlarının kullanılarak nesne bölütlemesi işleminin uygulanması; ilk kez bu çalışmada bizim tarafımızdan gerçekleştirilmiştir. Kısaca özetlenen yöntemi kullanarak, alanlarında en iyi kabul edilen nesne bölütlemesi yöntemleriyle kıyaslanabilecek sonuçlara ulaşıyoruz.
Özet (Çeviri)
The marked improvements in deep learning influence almost every area of computer science. The mesh segmentation problem in computer graphics has been an active research area and keep abreast of the trend of deep learning developments. The mesh segmentation has a central role in multiple application areas for 3D objects. It is chiefly used to produce the object structure in order to manipulate the object or analyze the components of it. These operations are primitive, and that primitiveness causes a variety of application areas. The variation in application areas induce a variety of priority deviations over time and memory usage. In this thesis, we solve the mesh segmentation problem by using Graph Convolutional Neural Networks. Our method uses a semi-supervised approach for which the mesh objects are sparsely labeled, and the results are the formed segments. We consider a mesh object as a graph by using their connectedness over the faces, and having the mesh in 3D lets us create geometrically logical features for our network. Using the neighborhood information is maintained by the Graph Convolutional Neural Networks, which is a pretty new concept, and the application on the sparsely labeled mesh segmentation is novel to our work. By using the briefly summarized method, we reach competitive results compared to state-of-art mesh segmentation methods.
Benzer Tezler
- A data-centric unsupervised 3D mesh segmentation method
Veri merkezli denetimsiz 3B nesne segmentasyon metotu
TALYA TÜMER SİVRİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. YUSUF SAHİLLİOĞLU
- Vessel segmentation and surface reconstruction from MRA images
MRA görüntülerinden damar ayrıştırılması ve damar yüzeyinin oluşturulması
DEVRAN UĞURLU
Yüksek Lisans
İngilizce
2012
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. M. SERDAR ÇELEBİ
- Source-aggregated-poisson with applications to groupwise shape analysis and mesh segmentation
Değişen kaynaklı birleşik poısson ve şekil gruplarının analizi ile yüzey ağlarının bölütlenmesine uygulanması
MURAT GENÇTAV
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA SİBEL TARI
- A K-means clustering-based shape retrieval technique for 3D mesh models
Üç boyutlu çözüm ağları için K-means kümeleme tabanlı şekil araması
MOHAMMADHASSAN REZAEI
Yüksek Lisans
İngilizce
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERKAN GÜNPINAR
- Orman yangınlarının görüntü işleme ile tespiti
Detection of forest fires with image processing
ANIL ALİŞER
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP BALA DURANAY