DEEP NEURAL NETWORKS FOR AUTOMATIC PERSONRE-IDENTIFICATION METHODS AND THEIR APPLICATION TO FOOTBALL
OTOMATİK KİŞİ İÇİN DERİN SİNİR AĞLARIYENİDEN TANIMLAMA YÖNTEMLERİ VE FUTBOLA UYGULAMASI
- Tez No: 683463
- Danışmanlar: Dr. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: White Sinir Ağları Testi, White Neural Networks Test
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: İstanbul Beyoğlu Göz Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Deep learning is a branch of machine learning which has proven its effectiveness on different sources of data in recent years and is yet to be fully explored. however, it is applicable to a wide range of complex problems. in recent years deep learning has become one of the most popular machine learning techniques for a vast variety of complex problems. In computer vision, person re-identification (re-ID) is usually defined as an image retrieval problem. Given an image of a person, the task of a re-identification system is to retrieve all images of this person, captured previously from different cameras. Person re-identification techniques find use in various types of applications, e.g. surveillance systems, robotics, security and forensic applications. This thesis addresses the possibility of using person re-identification in a sports setting and compares it with the usual task of person re-identification in public spaces. Emphasis is placed on deep learning approaches, which have dominated the field in recent years. This work describes several state-of-the-art person re-identification techniques and evaluates their effectiveness and efficiency on both standard re-identification datasets and sports data. The analysis was performed on sports dataset generated using footage from the multi camera TRACAB player tracking system, and public datasets CUHK03, Market-1501 and Duke MTMC –RE ID
Özet (Çeviri)
Derin öğrenme, son yıllarda farklı veri kaynakları üzerindeki etkinliğini kanıtlamış ve henüz tam olarak araştırılmamış bir makine öğrenimi dalıdır. ancak, çok çeşitli karmaşık sorunlara uygulanabilir. son yıllarda derin öğrenme, çok çeşitli karmaşık problemler için en popüler makine öğrenme tekniklerinden biri haline gelmiştir. Bilgisayar görüşünde, kişinin yeniden tanımlanması (yeniden kimlik) genellikle bir görüntü alma sorunu olarak tanımlanır. Bir kişinin görüntüsü verildiğinde, yeniden tanımlama sisteminin görevi, daha önce farklı kameralardan yakalanan bu kişinin tüm görüntülerini almaktır. Kişi yeniden tanımlama teknikleri çeşitli uygulama türlerinde kullanım bulur, örn. gözetim sistemleri, robotik, güvenlik ve adli uygulamalar. Bu tez, bir spor ortamında kişinin yeniden tanımlanmasını kullanma olasılığını ele almakta ve onu kamusal alanlarda kişinin yeniden tanımlanması olağan göreviyle karşılaştırmaktadır. Son yıllarda alana hâkim olan derin öğrenme yaklaşımlarına önem verilmektedir. Bu çalışma, en son teknoloji ürünü kişilerin yeniden tanımlama tekniklerini tanımlamakta ve bunların hem standart yeniden tanımlama veri kümelerinde hem de spor verilerindeki etkinliklerini ve verimliliklerini değerlendirmektedir. Analiz, çok kameralı TRACAB oynatıcı izleme sisteminden alınan görüntüler ve spor veri kümesi CUHK03, Market-1501 ve Duke MTMC –RE ID kullanılarak oluşturulan spor veri kümesinde gerçekleştirildi.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Görüntü arşivleri için derin sinir ağları kullanılarak hecelere dayalı görüntü alt yazılama modeli
Syllable-based image captioning model based on deep neural networks for image archives
YAĞMUR KAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜLİN ERÇELEBİ AYYILDIZ
- Derin sinir ağları kullanılarak otomatik beyin tümörü sınıflandırılması ve bölütlenmesi
Automatic brain tumor classification and segmentation by deep neural networks
HATİCE ÇETİN GÖRGÜLÜ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER NEZİH GEREK
PROF. DR. HAKAN ÇEVİKALP
- A hybrid fuzzy logic and convolution neural network (FIS-CNN) for automatic detection and classification of objects in comet assay images
Comet test görüntülerinde nesnelerin otomatik algılanması ve sınıflandırılması için hibrit bulanık mantık ve dönüşümlü sinir ağı(FIS-CNN)
SHAYMAA ABDULHAFEDH SHAKİR AL-QAYSI
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH NAR
- Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images
Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları
BEYTULLAH SARICA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER