Geri Dön

A novel method for automatic fish counting based on machine learning using morphological features

Başlık çevirisi mevcut değil.

  1. Tez No: 648682
  2. Yazar: AHAD AGHAPOUR
  3. Danışmanlar: PROF. HASAN FATİH UĞURDAĞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Özyeğin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Bu tez, bir balık çiftliğinde durmaksızın akan dar bir su akışında (veya aynı şekilde bir taşıma bandı veya benzer bir mekanizmada) balıkları saymak için makine öğrenimi tabanlı bir yapay görme yaklaşımı sunmaktadır. Bu tür işlemlere“sürekli işlem”denmektedir. Böyle bir kurulum, sayma işleminin son derece hızlı yapılmasını gerektirir ve buna“gerçek zamanlı”işlem denir. Teze konu olan balık sayma çözümümüz de bu tür sürekli ve gerçek zamanlı bir yöntemdir. Buradaki en zor alt problem“üst üste binen balıkları”doğru bir şekilde saymak ve her bir balığın boyutları konusundaki esnekliktir. Önceki çalışmaların çoğu, üst üste binen balıkları sayma konusundaki verimli olmayan yaklaşımları nedeniyle gerçek zamanlı olmamıştır. Hızdaki üstünlüğümüz, daha az sayıda ve hesaplama açısından daha ucuz morfolojik özelliklerin (makine öğrenimine beslediğimiz) seçilmesinden kaynaklanmaktadır. Günümüzün gelişmiş teknolojisi oldukça doğru sonuçlar vermesine rağmen (%98,9), çok zor test koşullarında bile bu oranı %99,4'e çıkardık. Çözümümüz literatürdeki önceki çalışmalardan farklı olarak süreklilik arz ettiği için, ardışık görüntülerde yer alan“balıkların birleştirilmesi”(üst üste binmiş olsun ya da olmasın) sorununu da çözmek zorunda kaldık.

Özet (Çeviri)

This thesis offers a machine learning based computer vision approach for counting fish in a non-stop running narrow water stream (or equally on a conveyor belt or similar mechanism) in a fish farm. We call this“continuous operation”. Such setup requires that counting is done extremely fast, which we call“real-time”operation. To our knowledge, our fish counting solution is the only such method, namely, continuous and real-time. The hardest subproblem here is correctly counting“overlapped fish”and yet be flexible in terms of fish sizes. Most of the previous works are not real-time due to their inefficient approach to counting overlapped fish. Our superiority in speed mostly stems from selecting fewer and computationally less expensive morphological features (which we feed to machine learning). Although the state-of-the-art is pretty accurate (98.9%), we were able to improve it to 99.4% for even very difficult test cases. Since our solution is continuous unlike previous work in the literature, we had to also solve the problem of“merging fish”(overlapped or not) lying at the boundary of consecutive frames.

Benzer Tezler

  1. Türkçe tümcelerin yüklem odaklı anlam ve dilbilgisi çözümlemesi

    Grammatical and semantic analysis of turkish sentence based on predicate

    İLKNUR DÖNMEZ

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EŞREF ADALI

  2. Automated scoring of CERBB2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images

    İmmünohistokimya meme kanseri görüntülerininhistogram tabanlı analiz kullanılarakCERBB2 reseptörlerinin otomatik olarak skorlanması

    KAAN AYKUT KABAKÇI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DOÇ. DR. BEHÇET UĞUR TÖREYİN

  3. Fall detection for elderly people using depth video data obtained by kinect

    Kinect'le elde edilen video derinlik verisi kullanılarak yaşlı insanların düşüşünün tespiti

    AMİR ABBAS DAVARİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik MühendisliğiÖzyeğin Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ARİF TANJU ERDEM

  4. A novel refinement method for automatic image annotation systems

    Otomatik görüntü etiketleme sistemleri için yeni bir iyileştirme yöntemi

    ERŞAN DEMİRCİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    PROF. DR. FATOŞ TÜNAY YARMAN VURAL