Geri Dön

Derin öğrenme temelli sürülebilir alan tespiti ve gömülü uygulaması

Deep learning based drivable area detection and its embedded application

  1. Tez No: 702122
  2. Yazar: ONUR ACUN
  3. Danışmanlar: PROF. DR. OĞUZHAN URHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2023

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA BERKE YELTEN

  2. Deep learning based fabric defect detection

    Derin öğrenme temelli kumaş hatası tespiti

    YAVUZ KAHRAMAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiGaziantep Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPTEKİN DURMUŞOĞLU

  3. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ALKAN

  4. 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

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiKaramanoğlu Mehmetbey Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET KAYABAŞI

  5. Derin öğrenme temelli Türk işaret dili harflerinin tanınması

    Deep learning based Turkish signal recognition

    FATİH BANKUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA KAYA