Geri Dön

Evaluation of deep learning based multiple object trackers

Derin öğrenme tabanlı çoklu nesne takipçilerinin değerlendirilmesi

  1. Tez No: 645347
  2. Yazar: OMAR MOURED
  3. Danışmanlar: Prof. GÖZDE AKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 133

Özet

Çoklu nesne takibi (ÇNT/MOT), bilgisayarlı görme alanında, aralarında gözetleme ve yeni geliştirilen otonom araç uygulamalarının olduğu ancak bunlarla sınırlı olmayan çok geniş çeşitlilikte uygulamalarda kullanılan oldukça önemli bir konudur. Bu konudaki zorluklar, sıklıkla oluşan kapanmalar, etkileşimler, sınıf içi değişimler, giren-çıkan nesneler vb. şeklinde sıralanabilir. Yakın geçmişte, derin öğrenme ÇNT (MOT) yöntemleri verimli bir şekilde bu zorlukların üstesinden gelmiştir. En gelişkin derin öğrenme (DÖ/DL) takipçilerinin sıralı düzeni, nesne algılama ve detay çıkarma yöntemlerini içeren görünüş düzenleme ve benzeşim hesaplamaları ile veri ilişkilendirmenin yapıldığı gruplandırma adımı gibi iki aşamadan oluşmaktadır. Bu tezin başlıca kaygılarından biri, DÖ (DL)'nün bu aşamaların her birinde nasıl kullanıldığını araştırmaktır. Buna ek olarak, MOTChallenge veri setinde bulunan ve mevcut durumdaki en iyi çevrimiçi takipçi, birbirinden farklı performans iyileştirici yöntemler kullanılarak deneylere tabi tutulmuştur. Araştırmalar ve deneylere istinaden, güncel sistemlerin göze çarpan eksiklikleri, bu eksikliklerin geliştirilmesi için muhtemel yöntemler belirtilerek tanımlanıp tartışılacaktır.

Özet (Çeviri)

Multiple object tracking (MOT) is a significant problem in the computer vision community due to its applications, including but not limited to, surveillance and emerging autonomous vehicles. The difficulties of this problem lie in several challenges, such as frequent occlusion, interaction, intra-class variations, in-and-out objects, etc. Recently, deep learning MOT methods confront these challenges effectively. State-of-the-art deep learning (DL) trackers pipeline consists of two stages, i.e., appearance handling, which includes object detection and feature extraction, and grouping step, which performs affinity computation and data association. One of the main concerns of this thesis is to investigate how DL was employed in each one of these stages. In addition to that, we have experimented with different performance-enhancing methods, the currently top online tracker on the MOTChallenge dataset. Based on the investigation and experiments, we will identify and discuss the significant shortcomings of the current frameworks, providing possible ways to improve it.

Benzer Tezler

  1. Moving object tracking by regularization via sparsity in wide area aerial video

    Hava aracından çekilmiş geniş alan videolarında seyreklik tabanlı regülarizasyon ile hareketli nesne takibi

    ERDEM ONUR ÖZYURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  2. Telekomünikasyon sektöründe kullanılan ek odaların sokak düzeyi görüntülerinden tespit edilmesi

    Detection of manholes from street-level imagery in telecommunication business

    AHMET EĞRİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CANER GÜNEY

  3. Object-aware interactive perception

    Nesne farkındalıklı etkileşimli algılama

    ÇAĞATAY KOÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SANEM SARIEL UZER

    PROF. DR. SİNAN KALKAN

  4. Termal görüntülere derin öğrenme tabanlı süper çözünürlük yöntemlerinin uygulanması

    Application of deep learning based super resolution in thermal images

    CANER CİVE

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  5. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR