Improvements on one-stage object detection by visual reasoning
Görsel akıl yürütme ile tek aşamalı nesne tespitinde iyileştirmeler
- Tez No: 735899
- Danışmanlar: PROF. DR. UĞUR HALICI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Mevcut son teknoloji tek aşamalı nesne tespiti algoritmaları, nesnelerin olası ilişkilerini dikkate almadan her bir görüntü bölgesini ayrı ayrı ele alarak sınırlandırılmıştır. Bu, nesneleri başarılı bir şekilde algılamak için yalnızca yüksek kaliteli evrişimli öznitelik temsillerine bağlılığa neden olmaktadır. Ancak bu yaklaşım, bazı zorlu koşullar nedeniyle her zaman mümkün olmayabilir. Bu tezde, öz-dikkat kullanarak görüntü bölgelerinin ilişkilerini oluşturan tek aşamalı nesne tespiti için yeni bir mimari önerilmiştir. Önerilen akıl yürütme yöntemi, görüntü bölgeleri arasındaki anlamsal tutarlılığı dikkate almakta ve bu bölgelerin özelliklerini geliştirmektedir. Uzamsal ve anlamsal olarak geliştirilmiş öznitelikler performansı iyileştirmek için orijinal öznitelikler ile birleştirilmektedir. Önerilen yaklaşım YOLOv3, YOLOv4 ve YOLOR gibi gerçek zamanlı olarak çalışan son teknoloji tek aşamalı nesne tespiti algoritmalarına uygulanmış, sonrasında COCO'da mAP ölçütüne göre değerlendirilmiştir.
Özet (Çeviri)
Current state-of-the-art one-stage object detectors are limited by treating each image region separately without considering possible relations of the objects. This causes dependency solely on high-quality convolutional feature representations for detecting objects successfully. However, this may not be possible sometimes due to some challenging conditions. In this thesis, a new architecture is proposed for one-stage object detection that reasons the relations of the image regions by using self-attention. The proposed reasoning method considers semantic coherency between image regions and enhances features of these regions. Spatially and semantically enhanced features are fused with original features to improve performance. The proposed approach is applied to the current state-of-the-art real-time one-stage object detectors such as YOLOv3, YOLOv4 and YOLOR, then evaluated on COCO in terms of mAP.
Benzer Tezler
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Körfezlerdeki su kalitesinin uydu görüntü verileri yardımıyla incelenmesi
The Evaluation of water-quality in the bays by satellite images
FİLİZ SUNAR
- Target aware visual object tracking
Hedef farkındalığıyla görsel nesne takibi
CANER ÖZER
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Algoritma animasyonu sistemleri konusunda inceleme
Başlık çevirisi yok
NAZAN ÇAYRAK
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAKUHİ NADİA ERDOĞAN