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: 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
- 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
- Sabit kanatlı insansız hava araçları için kilitlenme algoritması
Lock-on algorithm for fixed-wing unmanned aerial vehicles
MERVE İSMAİLVELİOĞLU
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Histopatoloji görüntülerinde derin öğrenme ile genelleştirilmiş mitoz tespiti ve melanom tümör evre tahmini
Generalized mitosis detection and melanoma tumor stage estimation in histopathology images using deep learning
YASEMİN TOPUZ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SONGÜL VARLI
- T1-ağırlıklı mr görüntülerinde meme tümörü tanısı için görüntü tabanlı tespit ve hasta bazlı karar iyileştirilmesinin birleştirilmesi: faster R-CNN yaklaşımı
Combining image-based detection and patient-level decision enhancement for breast tumor diagnosis using t1-weighted mri and faster R-CNN
ŞEYMA NUR TUFAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- 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
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER GÜNEY