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: Belirtilmemiş.
- 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: 62
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
- İnsansı robotlarda nesne algılama ve tanıma için yeni derin öğrenme algoritmalarının geliştirilmesi
Development of novel deep learning algorithms for object detection and recognition in humanoid robots
SİMGE NUR ASLAN
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL UÇAR
- Derin öğrenme ile trafik işaretlerini tanıyan bir sürücü destek sistemi
A driver assistance system that recognizes traffic signs with deep learning
MOHAMED TAGHİ
Yüksek Lisans
Türkçe
2022
UlaşımBandırma Onyedi Eylül ÜniversitesiAkıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLYAS ÖZER
- Derin öğrenme tabanlı gerçek zamanlı video analiz uygulamaları için dağıtık kenar hesaplama sistemi
Distributed edge computing system for deep learning based real-time video analysis applications
İRFAN KILIÇ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP AYDIN
- 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
- Video üzerinde derin öğrenme ile nesne sansürlüme
Sensor processing on video with deep learni̇ng
YERNIYAZ BAKHYTOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ