Derin öğrenme kullanılarak sahte plakalı araç tespit sistemi geliştirilmesi
Developing fake plate vehicle detection system using deep learning
- Tez No: 689940
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN ERDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Sabahattin Zaim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 106
Özet
Bu çalışmada, sahte plakalı araçları tespit edebilmek için araçların marka, model, renk, plaka gibi özelliklerini derin öğrenme yöntemi kullanılarak karşılaştıran ve tespit eden bir sistem tasarlanmıştır. Çalışmanın amacı, günlük hayatta aktif olarak kullanılan araçların özelliklerini kontrol ederek mevcut sistemlere ek olarak yardımcı bir sahte plaka tespit sistemi geliştirmektir. İlgili devlet kurumları tüm motorlu taşıtlara ait ayrıntılı tüm bilgileri kendi veri tabanında saklamakla sorumlu olduğu bilinmektedir. Rastgele seçilen veya başka bir araca ait sahte araç plakası marka, model, renk gibi tescil kayıtlarından farklıdır. Genelde sahte plakaya sahip araçlar yasa dışı ve cezai eylemlerde kullanılmaktadır. Bu nedenle, sahte araçları tespit etmek büyük önem taşımaktadır. Genel olarak, sahte plakaları tespit etmek için plaka tanıma sistemleri kullanılır. Bu yaklaşım, rastgele seçilen plaka numaraları için kullanışlıdır. Genelde güvenlik birimleri tarafından kullanılan bu tür sistemler, ücretli geçiş yolları, köprü geçişleri, otopark giriş-çıkışları, siteler, gümrük kapıları vb. İçin de kullanılmaktadır. Ancak çalıntı plakalı araçlarda kullanışlı değildir. Bunu tespit edebilmek için araç markasını, modelini, rengini ve plaka numarasını karşılaştırabilecek bir sistemin bulunması gerekmektedir. Bu çalışmada, sahte araç plaka algılama sistemi, araç marka, model, renk ve plaka numaralarının derin öğrenme kullanılarak karşılaştırılmasına dayalı olarak geliştirilmiştir. Tasarlanan bu sistemi diğerlerinden ayıran en temel fark veri setinin sıfırdan oluşturulmasıdır. Oluşturulan veri seti üzerinde eğitim ve test için derin öğrenme yöntemi kullanılarak farklı aktivasyon fonksiyonları ve optimizasyon yöntemleri ile irdelenmiş en iyi sonucu veren fonksiyonlar ve optimizasyon parametreleri sonuçları ile birlikte gösterilmiştir. Sistem sanal olarak oluşturulan bir veri tabanı ile test edilmiştir.
Özet (Çeviri)
In this study, the detection of the counterfeit vehicle license plate was designed by taking into consideration the characteristics of the vehicles such as brand, model, color, and license plate by using deep learning. The main aim of the study is to develop an additional supplementary system to check the specifications of the vehicles that are actively used in daily life to prove real or counterfeit. It is known that the relevant government department is responsible to store information about details of all motor vehicles in traffic in their database. Counterfeit vehicles' license plate which is randomly chosen or belonging to another vehicle is different from registration records such as brand, model, and color. In general, vehicles that have the counterfeit license plate are used in illegal and criminal acts. Hence, it is crucially important to detect counterfeit vehicles. In general, license plate recognition systems are used to detect counterfeit license plates. This approach is useful for randomly chose plate numbers. These kinds of systems, which are generally used by security units, are also used for the toll-pass roads, bridge crossings, parking lot entry-exit, sites, customs gates, etc. But, it is not useful on stolen license plates that exist in records. It is necessary to develop a system that can compare vehicle brand, model, color, and license plate number. In this study, the counterfeit vehicle license plate detection system has been developed based on comparing vehicle brand, model, color, and license plate number by using deep learning. The database which is used in this study was completely done over again. Using the deep learning method for training and testing on the data set, the functions and optimization parameters that give the best results examined with different activation functions and optimization methods are shown together with their results. The system has been tested with a virtually created database.
Benzer Tezler
- Development of counterfeit banknote recognition system using deep learning
Derin öğrenme kullanılarak sahte banknot tanıma sisteminin geliştirilmesi
BURAK İYİKESİCİ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ
- Yapay zeka ve derin öğrenme teknikleri kullanılarak yüz fotoğrafları içeren sahte fotoğraf ve video sentezi
Synthesis of fake photo and video containing face photographs using artificial intelligence and deep learning techniques
MUSTAFA SALİH BAHAR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN BULUŞ
- Derin öğrenme algoritmaları ile Türkçe dilinde sahte haber tespiti
Detecting fake news in Turkish with deep learning algorithms
SÜLEYMAN GÖKHAN TAŞKIN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
DR. ÖĞR. ÜYESİ KAMİL TOPAL
- Sahte internet sitelerinin URL özellikleri temelinde tespit edilmesi amacıyla özellik seçme metotlarının ve öğrenme algoritmalarının analizi
Analysis of feature selection methods and learning algorithms for phishing websites detection based on URL
MUSTAFA AYDIN
Doktora
Türkçe
2022
Bankacılıkİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
PROF. DR. KUTLUK KAĞAN SÜMER
- Deep fake image detection based on deep learning using a hybrid CNN-LSTM with machine learning architectures as classifier
Makine öğrenme mimarileri kullanılarak hibrid CNN-LSTM ile derin öğrenmeye dayalı deep fake görüntü tespiti
OMAR ALFAROUK AL-DULAIMI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ