Evaluation of deep learning based multiple object trackers
Derin öğrenme tabanlı çoklu nesne takipçilerinin değerlendirilmesi
- Tez No: 645347
- Danışmanlar: Prof. GÖZDE AKAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- 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
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- X-ışını fındık görüntülerinde kusur belirlemeye yönelik derin öğrenme tabanlı bir yaklaşım
A deep learning based approach for defect detection in x-ray hazelnut images
SULTAN MURAT YILMAZ
Doktora
Türkçe
2025
ZiraatSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR KAMAN
DR. ÖĞR. ÜYESİ ERKAN GÜLER
- Derin öğrenme modellerinin transfer öğrenme ile farklı veri setleri üzerindeki performanslarının karşılaştırılması
Comparative performance analysis of deep learning models on different datasets using transfer learning
GÜLAHMET YILDIZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU ÇARKLI YAVUZ
- Geri dönüştürülebilir atıkların derin öğrenme modelleri ile sınıflandırılması: Veri seti boyutunun etkisi üzerine bir karşılaştırma
Classification of recyclable wastes with deep learning models: A comparison on the effect of dataset size
GAMZE AĞIRTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR KAMAN
- Acil yardım çağrısı jestlerinin bilgisayarla görü ve derin öğrenme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of emergency call gestures using computer vision and deep learning methods
FERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN