Improvement on motion-guided siamese object tracking networks using prioritized windows
Nesne takibinde kullanılan hareket-yönlendirmeli siyam ağlarında önceliklendirilmiş pencereler ile iyileştirme
- Tez No: 631098
- Danışmanlar: DOÇ. DR. YALIN BAŞTANLAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Son yıllarda hem Yapay Sinir Ağlarının hem öğrenme algoritmalarının gelişimi ile Görsel Nesne İzlemede önemli ilerlemeler kaydedilmiştir. Bu sayede Kalman Filtresi ve Korelasyon Filtreleri gibi geleneksel obje takip yöntemleri ile Yapay Sinir Ağları birleştirerek daha iyi sonuçlar elde ediyoruz. SiamFC, bu tür algoritmalara bir örnektir. Çünkü SiamFC, Siyam Yapay Sinir Ağlarını ve Korelasyon Filtrelerini birleştirir. Bununla birlikte, SiamFC geliştirilmeye oldukça açıktır. Bunun nedeni, SiamFC'nin obje takibi sırasında bir öğrenme sürecine sahip olmamasıdır. Kalman-Siam bu alanda iyileştirilmiş SiamFC'ye bir örnektir. Kalman-Siam, Kalman Filtresi ile Çok Katmanlı SiamFC'yi birleştirir. Kalman-Siam, takip edilen objenin önceki hareketini işleyerek objelerin üst üste gelme durumu problemini çözmek için Kalman Filtresini kullanır. Kalman-Siam için diğer zorlu senaryolarda takip işlemi başarısız olabilir. Bu tür sorunları çözmenin yollarından biri de bu durumu tespit etmek ve yeniden takip sürecinin başlatılmasıdır. Bu araştırmada bu yöntemi kullandık. Ayrıca bu durumları tespit etmek için algoritmamızda SiamFC'de korelasyon işlemi sonrası sonuç üzerinde hesaplanan bir parametre kullandık. İlk önce, algoritmamız önceliklendirilmiş arama pencereleri oluşturur. Ardından algoritma, yeniden takip için hedefin bilinen son konumunu çevreleyerek oluşturulan bu arama pencereleri için belirli bir öncelik sırasına göre çalışır. Yüksek öncelikli arama pencerelerinden başlayıp arama pencereleri kalmayana kadar bu yeniden takip sürecini Adaptive Window Search olarak adlandırdık. Bu nedenle algoritmamıza Adaptive-Kalman-Siam adını verdik. Yaygın olarak kullanılan veri setleri üzerindeki sonuçlarla daha başarılı bir yeniden takip süreci gözlemledik. Bu araştırmada önerilen Adaptive-Kalman-Siam, bir nesneyi Arka Plan Karmaşaları, Hızlı Hareket, Hareket Bulanıklığı ve Üst Üste Gelme gibi karmaşık takip senaryolarında SiamFC ve Kalman-Siam'dan daha iyi obje takibi yapmaktadır.
Özet (Çeviri)
In recent years, there has been significant progress in Visual Object Tracking with evolutions of both computers and learning algorithms, especially in Neural Networks. Therefore, we obtain better results by combining Neural Networks and traditional tracking methods such as Kalman Filter and Correlation Filters. SiamFC is an example of such algorithms because SiamFC combines Siamese Neural Networks and Correlation Filters. SiamFC is open to development because it does not have an online learning process. An example of the improved SiamFC is Kalman-Siam that combines Kalman Filter and Multi-feature SiamFC. Kalman-Siam uses Kalman-Filter to solve the occlusion situation problem by processing the target's previous motion trajectory. Therefore, the tracking can fail in other complex scenarios for Kalman-Siam. One of the methods for solving such problems is detecting this situation and starting the re-tracking process as we used in this research. Also, we used a parameter calculated on the response map after the correlation operation in SiamFC to detect these situations. First, our algorithm generates possible prioritized search windows. Then, it runs in a specific order of priority for these generated search windows surrounding the target's last known location. We named this process Adaptive Window Search that starts from the highest priority search windows and continues until the lowest search windows do not exist. Therefore, we named our algorithm Adaptive-Kalman-Siam. We demonstrated more successful results on commonly used datasets. Adaptive-Kalman-Siam tracks an object better than SiamFC and Kalman-Siam in Background Clutters, Fast Motion, Motion Blur, and Occlusion complex tracking scenarios.
Benzer Tezler
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Rotator kaf lezyonlarında ultrasonografi eşliğinde subakromiyal enjeksiyona karşılık subakromiyal enjeksiyon ile birlikte supraskapular sinir bloğu uygulamasının ağrı, fonksiyon ve uyku kalitesi üzerine etkilerinin karşılaştırılması
Comparison of the effects of ultrasound-guided subacromial injection versus subacromial injection and suprascapular nerve block on pain, function and SLEEP quality in rotator cuff lesions
MUSTAFA HACIÖMEROĞLU
Tıpta Uzmanlık
Türkçe
2023
Anestezi ve ReanimasyonSağlık Bilimleri ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. SUNA AKIN TAKMAZ
- Kronik rotator manşon tendinopatili hastaların tedavisinde plateletten zengin plazma enjeksiyonlarının ağrı ve omuz fonksiyonları üzerine etkisi
The effect of platelet rich plasma injections on pain and shoulder functions in the treatment of patients with chronic rotator cuff tendinopathy
SERDAR KESİKBURUN
Tıpta Uzmanlık
Türkçe
2012
Fiziksel Tıp ve RehabilitasyonGATAFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. ARİF KENAN TAN
- Flight control using neural networks and fuzzy logic
Yapay sinir ağları ve blanık mantık ile uçuş denetimi
MEHMET ÖZGÜR ERİNMEZ
Yüksek Lisans
İngilizce
1997
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET KEMAL LEBLEBİCİOĞLU
- Viability-based control for robustness in 6G networks: Ensuring efficient communication under extreme conditions
6G ağlarında dayanıklılık için uygunluk temelli kontrol: Aşırı koşullar altında verimli iletişim sağlama
İDİL BENSU ÇILBIR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR ERÇETİN