Derin öğrenme algoritmaları kullanarak güvenli çocuk oyun alanlarında karşılaştırmalı tehlikeli nesne tespiti yapılması
Comparative suspicious object detection in safe playgrounds using deep learning algorithms
- Tez No: 659043
- Danışmanlar: PROF. DR. HAKAN GÜRKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: YOLOv3, Akıllı Şehir, Çocuk Oyun Alanı, Köpek Tespiti, Hızlı Yardım İstasyonu, YOLOv3, Smart City, Children's Playground, Dog Detection, Fast Emergency Station
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Türkiye Cumhuriyeti Sağlık Bakanlığı Halk Sağlığı Genel Müdürlüğü verilerine göre Türkiye'de her yıl yaklaşık 250.000 kuduz riskli vaka görülmektedir. Bu vakaların büyük bir kısmı çocukların tatilde olduğu yaz aylarında ve çocuk oyun alanlarında köpek saldırısı şeklinde gerçekleşmektedir. Derin öğrenme temelli bilgisayar görüsü teknolojisinin gelişmesiyle birlikte çocuk oyun alanlarındaki tehlikeli nesnelerin (silah, bıçak, köpek vb.) otomatik tespiti önemli bir güvenlik uygulaması olarak ortaya çıkmıştır. Bu çalışmada daha önceden çocuk oyun alanlarında konumlandırılmış olan hızlı yardım istasyonları kullanılarak otomatik nesne (köpek) tespitinin yapılması amaçlanmıştır. Hem geleneksel hem de bölge önermeli ve tek aşamalı derin öğrenme temelli nesne tespit algoritmaları incelenmiş, başarım değerleri karşılaştırılmıştır. Karşılaştırma sonrasında bu tez çalışmasında yüksek fps ve mAP değeri nedeniyle YOLOv3 algoritmasının kullanılması tercih edilmiştir. Tek aşamalı nesne tespit algoritmaları görüntüyü tek bir seferde regresyon işlemine tabi tutarak nesnelerin sınıfını ve konumlarını aynı anda tahmin ettiklerinden bölge önermeli modellerden daha hızlıdır ve gerçek zamanlı uygulamalar için kullanımı daha uygundur. Güvenlik sistemlerindeki gerçek zamanlı ve anlık tepki verilmesi ihtiyacı ile çocuk oyun alanlarındaki çocuk ve köpeklerin hızlı ve hareketli yapıları göz önüne alınarak çocuk oyun alanları için YOLOv3 algoritması temelli nesne tespit modeli önerilmiştir. Öncelikle, orijinal veri setlerindeki sahipsiz köpek görüntü verisi eksikliğinin giderilmesi için bir hayvan barınağındaki sahipsiz köpeklerin görüntüleri çekilerek veri setine eklenmiştir. Sonrasında, çocuk oyun alanında mevcut hızlı yardım istasyonunun kamera kayıtları ve açık kaynak veri setinden alınan görüntüler de bu veri setine eklenerek toplam 878 görüntüden oluşan yeni bir veri seti elde edilmiştir. Bu yeni görüntüler eğitim verisi çeşitliliğini etkili bir şekilde arttırmış ve önerilen modelin eğitim performansını iyileştirmiştir. Önerilen model, çeşitli hiperparametreler kullanılarak optimize edilmiş ve sonuçlar birbiriyle karşılaştırılmıştır. En iyi değerlendirme sonuçlarına sahip model yeni bir akıllı şehir güvenlik uygulaması olarak önerilmiş ve seçilen çocuk oyun alanında bulunan hızlı yardım istasyonuna entegre edilerek köpeklerin otomatik olarak tespit edilmesi için uygulanmıştır. Optimize edilen hiperparametrelerle birlikte gerçek zamanlı köpek tespit uygulaması çocuk oyun alanında ihtiyaç duyulan hız ve doğruluğu da karşılayacak şekilde %82,59 AP @25 fps değerine ulaşmıştır.
Özet (Çeviri)
According to the reports of Turkish Public Health Institution, approximately 250,000 rabies-risk animal bites occur per year in Turkey. Most of these bites are caused by dogs and most of the victims are the children who play in playgrounds in summer holidays. With the development of deep learning-based computer vision technology, autonomous detection of dangerous objects (handguns, knives, dogs, etc.) in these children's playgrounds has become a crucial security application. In this study, it is aimed to perform autonomous object (dog) detection by using fast emergency station located in the selected children's playground. Both traditional methods and region-proposal and single shot deep learning-based object detection algorithms have been examined. The evaluation scores of these algorithms are compared. After the comparison, in this thesis the YOLOv3 algorithm has been preferred due to its high speed and high mAP value. Single shot algorithms regress the image at once, estimate the class of objects and their position at the same time. Therefore, they are faster than region-proposal algorithms and more suitable for real-time detection. The YOLOv3 algorithm-based object detection model is proposed for children's playgrounds, due to the need for real-time and instant response in security systems and the fast moving of children and dogs in children's playgrounds. Firstly, in view of the problem of insufficient stray dog image data in the original datasets, new images of stray dogs have been taken from an animal shelter and they have been added to the dataset. Then, a new dataset that contains 878 images has been created by adding video recordings of the fast emergency station and images from an open images dataset. These new images have effectively enriched the diversity of training data and improved the training performance of the proposed model. The proposed model has been optimized by utilizing various hyperparameters and the results have been compared with each other. The model with the best evaluation scores is proposed as a new smart city security application and applied to detect dogs automatically by the fast emergency station located in the selected children's playground. The real-time application achieved 82.59% of AP @25 fps with adjusted hyperparameters to meet the speed and accuracy needs in the children's playgorund.
Benzer Tezler
- Video üzerinde derin öğrenme ile nesne sansürlüme
Sensor processing on video with deep learni̇ng
YERNIYAZ BAKHYTOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Vision-based landing site detection for a UAV: From theory to application
İHA için görüş tabanlı iniş yeri tespiti: Teoriden uygulamaya
HEDAYAH OTHMAN ISMAIL OZDEMIR
Yüksek Lisans
İngilizce
2023
Havacılık ve Uzay MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DAVOOD ASADIHENDOUSTANI
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- An online network intrusion detection system for DDoS attacks with IoT botnet
IoT botnetleri ile yapılan dağıtık servis dışı bırakma saldırıları için çevrimiçi bir ağ saldırı tespit sistemi
ERİM AYDIN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR