Geri Dön

Derin öğrenme tabanlı görüntü işleme ile nesne tanıma yöntemlerinde başarım oranı artırma

Increasing the success rate in object recognition methods by deep learning-based image processing

PDF İndir

  1. Tez No: 761081
  2. Yazar: MUHAMMED ALİ ERBİR
  3. Danışmanlar: DOÇ. DR. HALİL MURAT ÜNVER
  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: Kırıkkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Bu çalışmada, imajların dijital ortama aktarılması, dijital imajlar üzerinde düşük, orta ve ileri seviye işlemlerin nasıl yapıldığı irdelenmiştir. Yıllar içerisinde görüntü işleme ve görüntülerde nesne tanımaya yönelik çalışmalar özetlenmiştir. Makine öğrenimi ve derin öğrenmenin görüntü işleme alanı ile olan etkileşimi açıklanmıştır. Bilgisayar görüsü yordamıyla hedef nesnelerin imaj içerisinde varlığı tespit edilirken başarıyı artırmaya yönelik teknikler teklif edilmiştir. Yüz tanıma alanında yaygın kullanılan veri setleri karşılaştırılmıştır ve çalışma için VGGFace2 ve LFW veri setleri seçilmiştir. Derin öğrenmede yaygın kullanılan hazır modeller irdelenerek, aralarından 4 tanesi (AlexNet, SqueezeNet, MobileNetV2, InceptionV3) seçilmiş ve çalışılmıştır. Histogram dengeleme, eğitim veri seti genişletme, yüze ait olmayan kısımların çıkartılması, imajların dikey konumlandırılması, öğrenme hiper parametrelerinin düzenlenmesi gibi tekniklerin transfer öğrenmedeki başarıya etkisi araştırılmış ve faydalı sonuçlara ulaşılmıştır. Sonuç olarak LFW veri setinde %100 başarılı öğrenme VGGFace2 100 kişilik alt veri setinde ise %95,47'lik doğruluk seviyesine sahip bir model eğitilmiştir.

Özet (Çeviri)

In this study, how images transferred into digital, how low/medium/high level operations are done on images are examined. Studies on image processing and object recognition on images are summarized. The interaction between machine learning / deep learning and image processing was clarified. Some techniques to increase the accuracy while detecting the objects in images via computer vision. Datasets commonly used in face recognition were compared, VGGFace2 and LFW were selected for the study. By examining ready-made deep CNN models commonly used in deep learning, 4 of them (AlexNet, SqueezeNet, MobileNetV2, InceptionV3) were selected and studied. The effects of techniques such as histogram stabilization, training data set expansion, removal of non-face parts, vertical positioning of images, arrangement of learning hyperparameters on the success of transfer learning were investigated and useful results were obtained. As a result, a 100% successful learning model was trained in the LFW dataset, and a 95.47% accuracy level was trained in the VGGFace2 100-person sub-dataset.

Benzer Tezler

  1. Tez No

    496446

    Manipulation of visually recognized objects using deep learning

    Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi

    ERTUĞRUL BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR BOYRAZ

  2. Tez No

    581887

    Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models

    Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma

    NEŞE GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT

  3. Tez No

    881686

    Trafik işaret levhaları için bir sürücü destek sistemi önerisi

    Driver assistance system recommendation for traffic signs

    MUHAMMED BUĞRA KIZILARSLANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    UlaşımAtatürk Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. AHMET ATALAY

  4. Tez No

    856275

    Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  5. Tez No

    731682

    Derin öğrenme kullanılarak perakende ürün tespiti

    Başlık çevirisi yok

    İSMAİL KÖSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiSivas Cumhuriyet Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. OĞUZ KAYNAR

Geri Dön