Geri Dön

Gerçek zamanlı nesne tanıma sistemlerinde microservis yaklaşımı ile performans artırımı

Real-time object detection systems performance increase with microservice approach

  1. Tez No: 701314
  2. Yazar: MEHMET ALİ SERTTAŞ
  3. Danışmanlar: PROF. DR. EMİN MURAT ESİN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Maltepe Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 81

Özet

Bu çalışma ile belli bir güzergâhta yer alan binalara yerleştirilmiş tabelaların varlık ve boyutlarının tespitine yönelik gerçek zamanlı, mikro servis mimarisine dayalı yeni bir sistem tasarlanmış ve uygulaması gerçekleştirilmiştir. Sistem ile gezici bir platforma yerleştirilmiş video kameradan elde edilen anlık görüntü çerçevelerinde sınıflandırma işlemi yapılarak belli sınıflardan birisine ait olma durumları belirlenmektedir. Bu amaçla geliştirilmiş SSD Mobile Net ve Fast R-CNN modeli, ekran kartının tahsisli bir alanında çalışarak amaç nesnelerin çerçevelenmesini sağlamakta ve görüntüyü base64stringe çevirmektedir. Bu veri Mask R-CNN modeline aktarılarak tabelanın genelleştirilmiş koordinatları ve piksel cinsinden alanı hesaplanmaktadır. Bu işlem boyunca görüntü akışı sürdüğünden geleneksel olarak nesne tanıma, alan taraması ve boyutlandırılması işlemlerinin artarda yapılması yerine bağımsız mikroservis birimlerinde paralel işlenmesi ile zaman kazandıran ve çerçeve kaybettirmeyen yeni bir yapı gerçekleştirilmiştir. Böylece görüntü akışının kesintisiz sürmesi gereken sistemlerde süreç döngüsünün önemli ölçüde hızlandırılması mümkün olabilmiştir Sonuç olarak bu çalışmada, hareketli kamera ile anlık olarak elde edilen görüntünün tanınması amacıyla görüntü işleme teknikleri ve derin öğrenme algoritmaları kullanılarak geliştirilen yazılımda, görüntü gerçek zamanlı olarak 24 FPS hızda işlenerek %90 doğruluk başarımı elde edilmiştir. Böylece süreç önemli ölçüde hızlandırılabilmiştir.

Özet (Çeviri)

In this study, a new system based on real-time, micro service architecture was designed and implemented for the recognition of the signs placed in the buildings located on a certain route. System; In the snapshot frames obtained from the video camera placed on a mobile platform, the classification process is performed and the status of belonging to one of the certain classes is determined. The SSD and Fast R-CNN model developed for this purpose works in a dedicated area of the graphics card, providing framing of the object objects and converting the image to base64 string. By transferring this data to the Mask R-CNN model, the generalized coordinates of the sign and its area in pixels are calculated. Since the picture flow continues throughout this process, in order to save time and not to waste frames, the traditionally sequential object recognition, area scanning and sizing operations are processed in parallel in independent microservice units. Thus, it was possible to prevent frame losses and speed up the process cycle significantly in systems that require uninterrupted picture flow. As a result, in this study, in the software developed by using image processing techniques and deep learning algorithms for the purpose of recognizing the image instantly obtained with the moving camera, the image is processed in real time at 24 FPS (Frame Per Second: the number of pictures per second), an accuracy of 90% was achieved. Thus, the completion time of the process was significantly accelerated.

Benzer Tezler

  1. Ses komutları ile robot kolu kontrolü

    Robot arm control by using voice commands

    OZAN FIRAT ÇIPLAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik BilimleriKırşehir Ahi Evran Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERKAN KESER

  2. Derin öğrenme tabanlı geçek zamanlı kimliklendirme sistemi

    Deep learning based real time identification system

    MEHMET FATİH ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DAVUT HANBAY

  3. Vı̇deo tabanlı otomatı̇k araç tespı̇tı̇ ı̇çı̇n hı̇brı̇t bir derı̇n öğrenme mı̇marı̇sı̇

    A hybrid deep learning architecture for video-based automatic vehicle detection

    MOHAMMED ABDULJABBAR ZAID AL BAYATI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMET ÇAKMAK

  4. Object-aware interactive perception

    Nesne farkındalıklı etkileşimli algılama

    ÇAĞATAY KOÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SANEM SARIEL UZER

    PROF. DR. SİNAN KALKAN

  5. Akıllı ulaşım sistemleri için karayolu tipi, kavşak ve virajların derin öğrenme yöntemleri ile belirlenmesi

    Determination of highway type, intersections and curves for intelligent transportation systems by deep learning methods

    VEDAT TÜMEN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURHAN ERGEN