Derin öğrenme temelli sürülebilir alan tespiti ve gömülü uygulaması
Deep learning based drivable area detection and its embedded application
- Tez No: 702122
- Danışmanlar: PROF. DR. OĞUZHAN URHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 50
Özet
Gelişen teknoloji ve teknolojik cihazların yaygınlaşaması ile birlikte trafikte akıllı sürüş sistemleri ve otonom araç teknolojileri trafik ve sürücü güvenliğini artırmak için sıklıkla kullanılmaya başlanmıştır. Bu gibi sistemler sürücüleri ve aracı seyir halindeyken güvende tutmayı amaçlamaktadır. Bu tez çalışması kapsamında akıllı sürüş sistemleri ve otonom araçlarda sıklıkla kullanılan bir sürülebilir alan tespiti yöntemi önerilmiştir. Önerilen yöntem derin öğrenme temelli bir yaklaşım ile bilgisayar ve gömülü sistem platformalarında gerçek zamanlı çalışabilme kapasitesine sahiptir. Sürülebilir alan tespiti yöntemlerinde aracın önündeki güvenli sürüş yapılabileceği her bir noktanın doğru bir şekilde tespit edilmesi amaçlanmaktadır. Bu çalışma kapsamında geleneksel segmentasyon modellerinin aksine regresif çıkışlı basit bir konvolusyonel sinir ağı kullanılarak gerçek zamanlı sürülebilir alanların tespiti yöntemi uygulanmıştır. Deneysel sonuçlar, tez kapsamında önerilen yöntemin farklı koşullarda yüksek hızda ve başarılı bir şekilde istenilen sonuçları verebildiğini göstermiştir.
Özet (Çeviri)
With the widespread use of developing technology and technological devices, smart driving systems and autonomous vehicle technologies have been used frequently to increase traffic and driver safety. These type of systems aim to keep drivers and the vehicle safe while driving. Within the scope of this thesis, a drivable area detection method, which frequently used in smart driving systems and autonomous vehicles, has been proposed. The proposed method has the capacity to work in real time on computer and embedded system platform with deep learning based approach. In the drivable area detection methods, it is aimed to accurately determine each point in front of the vehicle where safe driving can made. In this study, unlike traditional segmentation models, real time drivable area detection method was applied using a simple convolutional neural network with regressive output. Experimental results have shown that the method proposed in the thesis can successfully yield the desired results in different conditions at high speed.
Benzer Tezler
- Characterization and modeling of negative-biastemperature instability in 40 NM CMOS technologythrough long short-term memory (LSTM) networks
Uzun kısa-süreli bellek ağlarıyla (LSTM)40 NM CMOS teknolojisinde negatif-kutuplamasıcaklık kararsızlığının karakterizasyonu ve modellenmesi
FİKRET BAŞAR GENCER
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BERKE YELTEN
- Deep learning based fabric defect detection
Derin öğrenme temelli kumaş hatası tespiti
YAVUZ KAHRAMAN
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGaziantep ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPTEKİN DURMUŞOĞLU
- Derin öğrenme temelli karar destek sistemleriyle lomber spinal dar kanal analizi
Lumbar spinal stenosis analysis with deep learning based decision support systems
SİNAN ALTUN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- Derin öğrenme temelli sinirsel ağlar kullanılarakaraç marka ve plaka tanımlamalıgüvenlik sisteminin gerçekleştirilmesi
Implementation of vehicle brand and plate recognition security system by using deep learning based neural networks
RECEP TANIL CENGİZ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKaramanoğlu Mehmetbey ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET KAYABAŞI
- Derin öğrenme temelli Türk işaret dili harflerinin tanınması
Deep learning based Turkish signal recognition
FATİH BANKUR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KAYA