Detection of humans in video streams using convolutional neural networks
Başlık çevirisi mevcut değil.
- Tez No: 676432
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- 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: 67
Özet
Bu tezde, video akışlarında insanların tespiti için CNN gibi derin öğrenme yaklaşımlarına odaklandım. Bu tez, esas olarak, istenen sonuçları elde etmek için sinir ağlarını veya diğer modelleri yeterli miktarda veri ile eğitmeye odaklanmıştır. Derin öğrenme alanındaki en küçük birim olan bir nöronun tanımlandığı ve açıklandığı sinir ağının temellerinden başlayarak, araştırmayı video akışlarında insanları tespit edebileceğim konuya yükselttim. Bu araştırmada önce sinir ağları tanıtılmış, ardından sinir ağlarının hem CPU hem de GPU ile eğitimi sağlanmıştır. Bu tezin temel amacı, Konvolüsyonel Sinir Ağlarını Kullanarak Video Akışlarında İnsanların Tespiti için bir yöntem geliştirmektir. Bu araştırma, önerilen sistemi herhangi bir açık kaynaklı video nesnesi veri kümesi üzerinde Evrişimsel sinir ağı ile eğitmeyi amaçlamaktadır. Önerilen sistemin metodolojisi için CNN kullanılacaktır. CNN yöntemi, bir dizi kural üzerinde herhangi bir görevi gerçekleştirmek için farklı ajanların bir araya getirilmesiyle daha iyi sonuçlar elde etmenin en gelişmiş ve verimli yöntemlerinden biridir. Python'da Evrişimsel sinir ağı Kitaplıkları kullanılacaktır. Video tabanlı insan tespiti için veri kümesi, UCL veya Open Sets gibi Kaggle gibi herhangi bir açık kaynak deposundan temin edilecektir ve veri kümelerinin adı Pascal VOC 2007 ve alışveriş veri kümesidir. Bu tezin uygulanması için Python, büyük ölçekli verileri daha doğru bir şekilde işlemek için en verimli araç olduğu için kullanımda iletilecektir. Geri yayılımın matris formu olarak adlandırılan bir algoritmada, CUDA çekirdeği ve cuBLAS kitaplığı (Python Kitaplığı) ile birlikte birden fazla GPU kullanımı yapılmıştır. İnsan yüzü tanıma uygulaması, önceden eğitilmiş model Facenet (yüz tanıma sistemi) ve Derin Evrişimli Sinir Ağları kullanılarak gerçekleştirilmiştir. Sinir ağları ve yüz tanıma uygulaması analiz edildikten sonra, diğer derin öğrenme yaklaşımlarına güç verilmiştir. Python için anaconda tarafından desteklenen tensör akışı ve keras ortamıyla yüz tanıma, Görüntü kaydı ve YOLO Nesne Algılama ve Tanıma uygulamak için OpenCV kitaplığını derin öğrenme yaklaşımlarıyla birlikte kullandım. %91,6 doğruluk elde ettik.
Özet (Çeviri)
In this thesis, I have focused on deep learning approaches like CNN for the detection of humans in video streams. This thesis has mainly focused on training the neural networks or other models with enough amounts of data so that it achieves desirable results. Starting with the basics of neural network where a neuron, the smallest unit in deep learning field, is defined and explained, I have elevated the research to the topic where I could detect the humans in video streams. First the neural networks have been introduced in this research and then training of the neural networks has been attained with both the CPU and the GPU. The main goal of this thesis is to grow a method for the detection of Humans in Video Streams Using Convolutional Neural Networks. This research intent to train the proposed system with Convolutional neural network on any open-source dataset of video objects. And for the methodology of proposed system, CNN would be utilized. CNN method is one of the most advance and efficient method of getting better results by combination of different agents to perform any task on set of rules. The Convolutional neural network Libraries will be used in python. Dataset for video-based human detection will be procured from any open-source repository like Kaggle like UCL or Open Sets and the name of the datasets are Pascal VOC 2007 and shopping dataset. For the implementation of this thesis, Python would be forwarded in use as it is the most efficient tool for processing large scale data with more accuracy. In an algorithm called matrix form of back propagation, the use of multiple GPUs has been made along with CUDA kernel and cuBLAS library (Python Library). Application of human face recognition has been implemented using the pre trained model Facenet (face recognition system) and Deep Convolutional Neural Networks. After analyzing neural networks and its facial recognition application, other approaches of deep learning have been given force to. I have used the library OpenCV along with deep learning approaches to implement face recognition, Image registration and YOLO Object Detection and Recognition with the tensor flow and keras environment supported by anaconda for python. We have achieved the accuracy of 91.6%.
Benzer Tezler
- Python kullanarak gerçek zamanlı yüz ifadesi algılama
Real-time facial expression recognition using Python
İPEK YAY
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ŞİMŞİR
- Compositional modelling of first-person actions as verb-noun streams using LSTM based late fusion strategies
Birinci-şahıs hareketlerinin LSTM tabanlı geç füzyon stratejileri kullanarak fiil-nesne akışları olarak birleşimsel modellenmesi
ZEYNEP GÖKCE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED ÜniversitesiDR. ÖĞR. ÜYESİ SELEN PEHLİVAN
- Yaşlı bakımında derin öğrenme ile video üzerinden sağlık durumunun takibi
Video surveillance of elderly person aimed to healthcare via deep learning
FAHRİ CİHAN ATTİLA
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET İLYAS BAYINDIR
- Exploring fusion models in computer vision for medical image computing
Başlık çevirisi yok
DUYGU SARIKAYA
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolState University of New York at BuffaloDr. JASON J. CORSO
- Face recognition and person re-identification for person recognition
Kişi tanıma için yüz tanıma ve kişinin yeniden tanınması
EMRAH BAŞARAN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
PROF. DR. MUHİTTİN GÖKMEN