Object detection using convolutional neural network
Evrişimli sinir ağları kullanarak nesne belirleme
- Tez No: 670725
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Cisim tanıma, Yapay sinir ağları, Object recognition, Artificial neural networks
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya genelinde birçok uygulamada giderek artan miktarda dijital görüntü kullanılmakta ve bu kullanım oranı sürekli artmaktadır. Özellikle otomasyon amaçlı olmak üzere, farklı sebeplerle görüntü yakalayan ve sensör olarak kullanılan kameralar bulunmaktadır.Nesne algılama, görüntülerdeki nesneleri tanımlamaya yönelik bir tekniktir. Temel amaç, bir görüntünün ne içerdiğini anlamaktır. Nesne algılama, bilgisayarla görme ile ilgili alanlarda hala zorlu bir görevdir ve derin sinir ağlarındaki son gelişmelerle, görüntülerdeki nesneleri tanımak artık daha yüksek doğru oranlarla mümkündür. Bu çalışmada nesne tespiti için Keraskütüphanesiileevrişimli sinir ağı tekniğini kullanıldı ve bazı tasarım parametrelerinin performans üzerindeki etkileri incelendi. Bu hiperparametreler; yığın boyutu, eğitimdeki görüntü sayısı, çevrim sayısı, öğrenme oranı, filtre sayısı, aktivasyon fonksiyonu, giriş görüntülerinin boyutları, seyreltme, veri setindeki sınıf numarası ve gürültüdür. Denemeler, oluşturulan 35 farklı tasarım parametresi ve popüler iki derin öğrenme mimarisi ile yapılmıştır. Daha sonra tasarım parametrelerine ait metrik sonuçlar elde edilmiştir. Ayrıca sonuçlar grafik ve tabloyardımıylagörselleştirilmiştir. Yaklaşık 50000 görüntü verisi içeren Alman Trafik İşareti Veri Kümesi, bünyesinde yeterli görüntü bulunması nedeniyle eğitim ve testlerde kullanılmıştır.
Özet (Çeviri)
Increasing amounts of digital images are used in many applications around the world and this usage rate is constantly increasing. There are cameras as sensors to capture images for different purposes especially for automation purposes. Object detection is a technique for identifying the objects in images. The main goal is to understand what an image involves. Object detection is still challenging task in computer vision related fields and that with the recent developments in deep neural networks, recognizing the objects in images is now possible with higher accurate rates. In this study, Keras library and convolutional neural network technique were used for object detection and the effects of some design parameters on performance were examined. These hyperparameters are batch size, train image number, epoch number, learning rate, filter numbers, activation functions, input images sizes, dropout, class number on data set and noise. The experiments were made with created 35 different design parameters and two popular deep learning architectures. After that metric results which belong to design parameters were obtained. Furthermore they were visualized by means of graphs and tables. German Traffic Sign Dataset, which contains approximately 50000 image data, was used on training and testing because of involving adequate images on the dataset.
Benzer Tezler
- UNIFIED REAL TIME OBJECT DETECTION USING CONVOLUTIONAL NEURAL NETWORK
KONVOLÜSAL SİNİR AĞI KULLANILARAK BİRLEŞTİRİLMİŞ GERÇEK ZAMANLI NESNE ALGILAMA
HAMID RADAM HUSSEIN OBAIDI
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Visual object detection and tracking using local convolutional context features and recurrent neural networks
Yerel evrişimli bağlam öznitelikleri ve yinelemeli sinir ağları kullanarak görsel nesne tespiti ve takibi
EMRE CAN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN
- Monocular depth estimation and object detection using depth-wise convolution
Derinlik bilgesel dönüşüm kullanarak monoküler derinlik tahmini ve nesne tespiti
MASUM SHAH JUNAYED
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MD BAHARUL ISLAM
- Deep learning-based object recognition from RGB images using convolutional neural networks
Başlık çevirisi yok
MOHAMMED ZAKI HAMEED ALTAMEEMI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Detection of humans in video streams using convolutional neural networks
Başlık çevirisi yok
AMEEN MUDHER ABBAS ALDULAIMI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ