Real time object detection and recognition based on deep learning
Derin öğrenmeye dayalı gerçek zamanlı nesne tespiti ve tanıma
- Tez No: 767939
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Beyin-bilgisayar arayüzü, Elektroensefalografi, Nesne tespiti, Yapay sinir ağları, Brain-computer interface, Electroencephalography, Object detection, Artificial neural networks
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hem etkili hem de kesin olan nesne keşfi, PC görüş çerçevelerinin ilerlemesinde hararetle tartışılan bir konu olmuştur. Öğe keşfinin doğruluğu, derin öğrenme stratejilerinin sunumundan başlayarak vurgulu bir şekilde genişlemiştir. Girişim, devam eden yürütme ile yüksek hassasiyet elde etmek için belirlenen son teknoloji nesne tanıma stratejilerini birleştirmek anlamına gelir. Birçok öğe tanımlama çerçevesindeki büyük bir test, ağır ve ortalamanın altında yürütme ile sonuçlanan derin öğrenmeye dayalı yaklaşıma yardımcı olmak için diğer PC görme yöntemlerine bağımlılıktır. Bu girişimde, baştan sona makale keşfi sorununun üstesinden gelmek için tamamen derin öğrenmeye dayalı bir yol kullanıyoruz. Ağ, üzerinde yıllık nesne algılama zorluğunun düzenlendiği, halka açık en zor veri kümesi (DARKNET-53) üzerinde eğitilir. Ortaya çıkan sistem hızlı ve doğrudur, bu da onu nesne algılama gerektiren uygulamalar için kullanışlı hale getirir. Ağ parametrelerini eğitir ve önceden eğitilmiş ağ parametrelerinden hesaplanan ortalama ortalama hassasiyeti karşılaştırırız. Ek olarak, canlı video beslemelerinde gerçek zamanlı nesne takibi gerçekleştirmek için bir son işleme yöntemi öneriyoruz.
Özet (Çeviri)
Object discovery that is both effective and precise has been a hotly debated issue in the progression of PC vision frameworks. The exactness of item discovery has expanded emphatically starting from the presentation of profound learning strategies. The venture means to consolidate state of the art object recognition strategies determined to accomplish high precision with ongoing execution. A huge test in many item identification frameworks is the dependence on other PC vision methods to help the profound learning-based approach, which results in sluggish and sub-par execution. In this venture, we utilize an altogether profound learning-based way to deal with tackle the issue of article discovery beginning to end. The network is trained on the most difficult publicly available dataset (DARKNET-53), on which an annual object detection challenge is held. The resulting system is quick and accurate, making it useful for applications that require object detection. We train the network parameters and compare the mean average precision computed from pre-trained network parameters. In addition, we propose a post-processing method for performing real-time object tracking in live video feeds.
Benzer Tezler
- Video surveillance system based on action and event recognition with moving object detection and tracking
Hareketli nesne algılama ve izleme ile eylem ve olay tanımaya dayalı video gözetim sistemi
TUĞÇE ELÇİ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ZÜBEYİR ÜNLÜ
- Alüminyum iletkenlerin yüzeyindeki hataların derin öğrenme modelleri ile gerçek zamanlı tespiti
Real-time detection of defects on the surface of aluminum conductors with deep learning models
TUGBA BAKTIR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
- Deep learning-based object recognition from RGB images using convolutional neural networks
Başlık çevirisi yok
MOHAMMED ZAKI HAMEED ALTAMEEMI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Derin öğrenme tabanlı nesne tespit modelleri ile akıllı gözetim sistemleri için silah ve silahlı insan algılama
Weapon and armed person detection for intelligent surveillance systems using deep learning-based object detection models
KADİR TEKİNDOR
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma TeknolojileriKırıkkale ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENES AYAN
- Acil yardım çağrısı jestlerinin bilgisayarla görü ve derin öğrenme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of emergency call gestures using computer vision and deep learning methods
FERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN