Video object tracking with artificial neural network and artificial bee colony optimization method
Başlık çevirisi mevcut değil.
- Tez No: 671485
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Video nesne takibi, Bilgisayarla Görme alanındaki birçok sorundan biridir; Tıbbi araştırma, gözetim, robotik, tele işbirliği, vb. alanlarındaki birçok gerçek dünya uygulamaları için yararlı olan birçok ve daha karmaşık görüntü sistemleri için temel bir bileşendir. Bir video nesnesi izleme algoritması, bir ilgi nesnesini takip etmeye çalışır. belirli bir video dizisinin kareleri. Bu tez, bal arılarının yiyecek arama davranışından esinlenen bir Sürü Zekası (SI) algoritması olan Bal Arısı Arama Algoritması yardımıyla video nesnesi takibi gerçekleştirmenin etkilerini inceler; ve özellikle grafik oluşturma işlemleri için tasarlanmış bir Paralel Hesaplama teknolojisinin bir örneği olan Grafik İşleme Birimleri (GPU'lar). Ana katkı, yapay sinir ağı ve yapay arı kolonisi optimizasyon yöntemi yardımıyla video tabanlı nesne takibinin geliştirilmesi ve araştırılmasıdır. Bu araştırma, önerilen sistemi, video nesnelerinin herhangi bir açık kaynaklı veri kümesinde yapay sinir ağıyla eğitmeyi amaçlamaktadır. Bununla birlikte, önerilen sistemin metodolojisi için yapay arı kolonisi kullanılacaktır. Yapay arı kolonisi optimizasyon yöntemi, kurallar dizisi üzerinde herhangi bir görevi yerine getirmek için arı olarak temsil edilen farklı ajanların kombinasyonu ile daha iyi sonuçlar elde etmenin en gelişmiş ve verimli yöntemlerinden biridir. Yapay sinir ağı, MATLAB'ın makine öğrenimi araç kutusunda zaten verilmiştir. Video tabanlı nesneler için veri kümesi, Kaggle UCL ve OpenSets gibi açık kaynak havuzundan alınır. Bu tezin uygulanması için MATLAB 2019a, büyük ölçekli verileri daha doğru bir şekilde işlemek için en verimli araç olduğu için kullanımda olacaktır. Söz konusu uygulamanın geliştirilmesi ve Paralel Bal Arısı Arama Algoritmasının belirli durumlarda bir video nesnesi izleme algoritmasının zaman maliyetini iyileştirmek için başarılı bir şekilde kullanılabileceğinin gösterilmesi, sonuçların doğruluğu üzerinde çok az etkiye sahiptir. Sonuçlar, Bal Arısı Arama Algoritmasını paralelleştirmenin ve onu video nesnesi izleme için kullanmanın mümkün olduğunu kanıtlıyor. Aynı video nesnesi izleme algoritmasının paralel bir sürümüyle karşılaştırıldığında, Bal Arısı Arama Algoritmasının eklenmesi, sonuçları sunmak için daha kararlı bir süre sağlamaya yardımcı olarak, sonuçları belirli bir videonun boyutuna daha az bağımlı hale getirir ve kayda değer olumsuz etkilere neden olmaz. sonuçların doğruluğunda.
Özet (Çeviri)
Video object tracking is one of the many problems in the field of Computer Vision; it is a basic component for many and more complex vision systems that are useful for several real world applications in the areas of medical research, surveillance, robotics, tele collaboration, etc. A video object tracking algorithm tries to follow an object of interest trough the frames of a given video sequence. This thesis studies the effects of performing video object tracking aided by the Honeybee Search Algorithm, a Swarm Intelligence (SI) algorithm that is inspired in the foraging behavior of honeybees; and Graphics Processing Units (GPUs), which are an example of a Parallel Computing technology designed specifically for graphic rendering operations. The main contribution is to develop and investigate the video based object tracking with the help of artificial neural network and artificial bee colony optimization method. This research intent to train the proposed system with artificial neural network on any open source dataset of video objects. However, for the methodology of proposed system, artificial bee colony would be utilized. Artificial bee colony optimization method is one of the most advance and efficient method of getting better results by combination of different agents represented as bee to perform any task on set of rules. The artificial neural network is already given in the machine learning toolbox of MATLAB. Dataset for video based objects are obtained from open source repository like Kaggle UCL and OpenSets. For the implementation of this thesis, MATLAB 2019a would be forwarded in use as it is the most efficient tool for processing large scale data with more accuracy. The development of said implementation and the demonstration that the Parallel Honeybee Search Algorithm can successfully be used to improve the time cost of a video object tracking algorithm in given situations, with little effect on the accuracy of the results. The results prove that it is possible to parallelize the Honeybee Search Algorithm and use it for video object tracking. In comparison with a parallel version of the same video object tracking algorithm, the addition of the Honeybee Search Algorithm helps to provide a more stable time to deliver results, making them less dependent on the size of the specific video, and without causing notable negative effects in the accuracy of the results.
Benzer Tezler
- Dönerkanat tipinde bir insansız hava aracıyla video tabanlı üst düzey işlevlerin tasarlanması
Design of video based high level functions for a quadrotor type unmanned aerial vehicle
NEVREZ İMAMOĞLU
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖNDER EFE
- Derin öğrenme yöntemi ile optik uydu görüntülerinden gemi tespiti
Ship detection by optical satellite images with deep learning method
OSMAN DUMAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Bilgisayarlı görü ile dijital ergonomik risk değerlendirme sistemi: REBA, RULA ve OWAS uygulaması
Digital ergonomic risk assessment system with computerized vision: REBA, RULA and OWAS application
ANIL ÖZKAN GEÇİCİ
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KİRAZ
- A statistical framework for degraded underwater video generation
Bozulmuş sualtı video üretimi için istatistiksel bir yapı
SERKAN ŞATAK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Yapay zekâya dayalı anlamsal video işleme yöntemlerinin tıpta kullanılabilirliğinin araştırılması
Investigation of usability of artificial intelligence semantic video processing methods in medicine
HASAN UCUZAL
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMEK GÜLDOĞAN