On the regularization of 3D object pose estimation
3 boyutlu nesne poz kestiriminde regularizasyon
- Tez No: 768374
- Danışmanlar: DR. ÖĞR. ÜYESİ YAKUP GENÇ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
6-DoF Pose tahmini, bir nesnenin tercih edilen bir nesneye konumunu ve rotasyonunu bulmaktır. Yapay sinir a˘gları yardımı ile gelis¸tirilen sinir a˘gları klasik modellere go¨re oldukc¸a bas¸arlı olmaktadır O¨ zellikle zorlu aydınlatma, engellenme ve sahne da˘gınıklı˘gının g¨or¨unt¨uy¨u bozdu˘gu karmas¸ık sahneler de algoritmaların performanıs dikkat c¸ekici hale gelimis¸tir. Bununla birlikte, performanstaki kazanc¸ bir hesaplama maliyeti tas¸ır. O¨ zellikle elle etiketlenmis¸ verinin az ve pahalı olması ve ¨onerilerin daha y¨uksek bas¸arım ic¸in daha b¨uy¨uk modeller kullanması Bu algoritmaların uygulanabilece˘gi platformları kısıtlamaktadır. Bu tez c¸alıs¸masında, hesaplama y¨uk¨un¨u ve b¨uy¨uk veri ba˘gımlılı˘gı hafifletme olasılı˘gını aras¸tırılmıs¸tır. Bu sorunları c¸ ¨ozmek ic¸in ¨uc¸ farklı y¨ontem ¨onerilmis¸tir. ˙Ilk y¨ontem, ba˘gımlılı˘gı ortadan kaldırmak ic¸in sentetik olarak olus¸turulmus¸ verileri kullanırak daha k¨uc¸ ¨uk modeller kullanılabilir mi sorusunua cevap aramaktadır. ˙Ikinci y¨ontem, aspect sınıflandırması ve yo˘gun anahatar nokta tahminlemesi kullanarak nesne pozunu bulmaya c¸alıs¸ır. Son c¸alıs¸mamızda ise, m¨ufredat benzeri yeni bir e˘gitim rejimi ¨onerilmektedir. Bu m¨ufredatı olus¸turulurken, sentetik ve gerc¸ek d¨unya verilerinden ve yapay sinir a˘glarının davranıs¸larından yararlanır. O¨ nerilen yo¨ntemlerimizi, dig˘er aras¸tırmacılarında kullandıg˘ı ic¸in halka ac¸ık veri k¨umeleri test ettik. Elde etti˘gimiz sonuc¸lar, ¨onerilen y¨ontemlerin poz kestirim algoritmalarını hızlandırırken, en son teknolojiye sahip algoritmalarla kars¸ılas¸tırılabilir bir performans sergiledi˘gini g¨osteriyor. Anahtar
Özet (Çeviri)
6-DoF Pose estimation is finding the rotation and translation of an object to a preferential frame of reference. With the help of Neural Networks, recent pose estimation algorithms show significant improvements over the classical ones. Especially in complex scenes where challenging illumination, occlusion, and scene clutter impair the algorithm performance. However, the gain in performance carries a computational cost and expensive hand-annotated real-world data. Moreover, prominent algorithms require larger neural models to raise the bar, thus requiring more expensive training data. This thesis investigates the possibility of easing the computational burden and dependency on big data. We propose three different methods to address the issue. Our first model uses synthetically generated data to remove dependency on real-world data for pose estimation with a light-weight neural network. The second method incorporates aspect-classification and dense key-point estimation processes and recovers the object pose using robust algorithms. Our final study proposes a new curriculum-like training regime. This curriculum takes advantage of synthetic and real-world data and the behavior of neural networks against adversarial and noisy(perturbed) data. We conduct our experiments on public datasets to validate our proposed methods. Results demonstrate that the proposed methods perform comparably to the state-of-the-art algorithms while speeding up the inference time significantly.
Benzer Tezler
- Compressed sensing based 3D image reconstruction in digital breast tomosynthesis and micro-bioimaging
Sayısal meme tomosentezinde ve mikro biyogörüntülemede sıkıştırılmış algılama tabanlı 3B görüntü geri çatma
ADEM POLAT
Doktora
İngilizce
2018
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Uzaktan algılanmış verilerin derin öğrenme yöntemiyle sınıflandırılması
Classification of remotely sensed data by deep learning method
ELİF ÖZLEM YILMAZ
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
- Çoklu nesneli analitik regülarizasyon metodu geliştirilerek çok geniş bantlı yansıtıcı anten tasarımı
Ultra-wide band reflector antenna design by development of multiple object analytical regularization method
AHMET KENAN KESKİN
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERDAR TÜRK
- A hybrid strategy for generating digital terrain model from dense digital surface model using cloth simulation filter and total variation regularization
Kumaş simülasyon filtresi ve toplam varyasyon düzenlileştirmesi kullanılarak yoğun dijital yüzey modelinden dijital arazi modeli üretilmesi için yeni bir hibrit strateji
FİTNAT KÖSEOĞLU
Yüksek Lisans
İngilizce
2022
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ÖZGÜN OK
DOÇ. DR. FATİH NAR
- 3-D imaging of inhomogeneous materials loaded inside rectangular waveguide by Newton's method
Dikdörtgen dalga kılavuzu içerisinde inhomojen cisimlerin 3 boyutlu görüntülenmesi
EMRE KILIÇ
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ YAPAR