Derin öğrenme kullanılarak araç içi görüntüden dikkatsiz sürücü tespiti
Distracted driver detection from in vehicle image using deep learning
- Tez No: 720988
- Danışmanlar: PROF. DR. SONGÜL VARLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 46
Özet
Dünya Sağlık Örgütü (WHO) raporuna göre, son yıllarda dünya nüfusuna göre ölüm oranı sabitlenmiş olsa da, karayolu trafik kazası ölümlerinin sayısı son birkaç yıldan beri sürekli artmaktadır. Ulusal Karayolu Trafik Güvenliği İdaresi'nin (NHTSA) araştırmasına göre, dikkati dağılmış sürüş, trafik kazalarında önde gelen bir faktördür. Dikkati dağılmış sürücüler gerçekleşen bu kazaların beşte birlik dilimini oluşturmaktadır. Sürücüler, araç sürerken sıklıkla dikkat dağıtan ikincil faaliyetler gerçekleştirirler. Dikkati dağılmış sürücü davranışları arasında mesajlaşma, telefonda konuşma, radyo çalıştırma, içecek içme, arkaya uzanma, saç veya makyaj düzeltme ve yolcuyla konuşma sayılabilir. Bu çalışma ile kazaları azaltmak ve güvenliği artırmak hedeflenmektedir. Çalışma içerisinde, birden fazla evrişimli sinir ağı, dikkati dağılmış sürücü görüntüleri kullanılarak eğitilmiştir. Önceden eğitilmiş modellerle stacking ensemble tekniği kullanılarak dikkati dağılmış sürüşü tespit edebilecek bir sistem önerilmektedir. EfficientnetV2-M, EfficientnetV2-S, DenseNet201, InceptionV3 ve InceptionResNetV2 olmak üzere beş bağımsız derin nöral mimariden oluşan hibrit bir yaklaşım sunulmaktadır. Bu çalışmada, dikkati dağılmış sürücü tespiti çalışmalarında en çok kullanılan AUC ve StateFarm Dikkati Dağılmış Sürücü veri setleri kullanılmıştır.
Özet (Çeviri)
According to the World Health Organization (WHO) report, although the death rate relative to the world population has stabilized in recent years, the number of road traffic deaths has been steadily increasing over the past few years. According to research from the National Highway Traffic Safety Administration (NHTSA), distracted driving is a leading factor in traffic accidents. About one-fifth of these accidents are caused by distracted drivers. Drivers often perform secondary activities that are distracting while driving. Distracted driver behaviors include texting, talking on the phone, operating the radio, drinking, lying back, fixing hair or make-up, and talking to the passenger. This study, it is aimed to reduce accidents and increase safety. The study proposes a distracted driver detection system that classifies distracted activities by training different convolutional neural networks on images and using ensemble techniques. We offer a hybrid approach consisting of five independent deep neural architectures: EfficientnetV2-Medium, EfficientnetV2-Small, DenseNet201, InceptionV3 and InceptionResNetV2. In this study, AUC and StateFarm Distracted Driver datasets, which are the most widely used in distracted driver detection studies, were used.
Benzer Tezler
- Developing algorithm for automatic detection of caves using unmanned aerial vehicle data
İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi
MUSTAFA BÜNYAMİN SAĞMAN
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ORKAN ÖZCAN
- Hava durumuna göre değişen araç hız sınırı uygulaması
Vehicle speed limit application according to weather conditions
EMİR MUSTAFA EFE
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSEL GÖKHAN BÖCEKÇİ
- Derin öğrenme kullanılarak perakende ürün tespiti
Başlık çevirisi yok
İSMAİL KÖSE
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR
- Sürücü asistan sistemleri için mobil GPU tabanlı gerçek zamanlı durum analizi ve tespit uygulamaları
Mobile GPU based real-time status analysis and detection applications for driver assistant systems
EMİN GÜNEY
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. CÜNEYT BAYILMIŞ
- Derin öğrenme tabanlı yöntemler ile GPR görüntülerinde obje tespiti
Object detection in GPR images with deep learning based methods
ORHAN APAYDIN
Yüksek Lisans
Türkçe
2023
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İŞSEVEN