Geri Dön

Visual object tracking using semi supervised convolutional filters

Yarı denetimli eğitilmiş katlamalı filtreler ile görsel nesne takibi

  1. Tez No: 649800
  2. Yazar: EMİR CAN SEVİNDİK
  3. Danışmanlar: PROF. DR. ABDULLAH AYDIN ALATAN
  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: 125

Özet

Görsel nesne takibi birçok gerçek hayat uygulamalarında kullanılan zorlu bir bilgisayarlı görme problemidir. Son yıllarda korelasyon filtreleri görsel takip problemi için doğruluk ve performans açısından mükemmel sonuçlar vermistir. Bu filtreler tarafından kullanılan nesne niteliklerinin özellikleri filtrenin performansı üzerinde önemli rol oynamaktadir. Korelasyon filtrelerinin en uygun nitelikleri öğrenebilmesi için son zamanlarda gelecek vaad eden derin ögrenme tabanlı metodlar ortaya çikmistir. Bu tez çalısmasında nesnelerin farklı açılarda pozisyonlarını en doğru şekilde tahmin edecek görsel takip problemi için derin öğrenme tabanlı, yarı denetimli öğrenme kullanılarak eğitilmiş katlamalı niteliklerin etkileri incelenecektir.

Özet (Çeviri)

Visual object tracking is a challenging computer vision problem with numerous real-world applications. During recent years, correlation filters have produced excellent results in terms of accuracy and performance for visual tracking problem. Feature properties which are utilized by these filters plays important role on the performance. Recently, deep learning based methods have emerged to learn best features for correlation filters, which have shown promising results. In this thesis, the impact of semi supervised trained convolutional filters for the visual tracking problem will be investigated in order to obtain robust features predicting the object location with high accuracy and being invariant to any kind of apperance change.

Benzer Tezler

  1. Kapalı ortamlarda yerelleştirme ve haritalama için sensör füzyonu

    Sensor fusion for gps denied environment for localization and mapping

    HÜSEYİN BURAK KURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Makine Ana Bilim Dalı

    DOÇ. DR. ERDİNÇ ALTUĞ

  2. Visual object tracking using co-difference features

    Ortak fark öznitelikleri kullanarak görsel nesne takibi

    HÜSEYİN SEÇKİN DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

  3. Deep learning-based visual object tracking using edge computing on embedded system

    Gömülü sistem üzerinde sınır bilişim kullanarak derin öğrenme tabanlı görsel nesne izleme

    MOHAMMAD FAHD HUSSEIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERKAN ÖZBAY

  4. Visual object tracking by using deep neural networks

    Derin sinir ağları kullanılarak görsel nesne takibi

    HASAN SARİBAŞ

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiEskişehir Teknik Üniversitesi

    Havacılık Elektrik ve Elektroniği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNEM KAHVECİOĞLU

    PROF. DR. HAKAN ÇEVİKALP

  5. Improvement on motion-guided siamese object tracking networks using prioritized windows

    Nesne takibinde kullanılan hareket-yönlendirmeli siyam ağlarında önceliklendirilmiş pencereler ile iyileştirme

    ÜNVER CAN ÜNLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YALIN BAŞTANLAR