Yüksek benzerlikli nesnelerin makine öğrenmesi tabanlı sınıflandırılması
Classification of high-similarity objects based machine learning
- Tez No: 769295
- Danışmanlar: PROF. DR. ERHAN AKIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kuramsal Temeller Bilim Dalı
- Sayfa Sayısı: 138
Özet
Bilgisayarlı görme teknolojileri ile nesnelerin sınıflandırılması, birçok alanda kolaylık sağlamaktadır. Derin öğrenme yaklaşımı, son yıllarda nesne sınıflandırma konusunda oldukça popülerdir. Sınıflandırılmak istenen nesnelerin görsel açıdan birbirine benzer olması, veri setindeki görüntü sayısının yetersiz miktarda olması, aynı sınıf içindeki nesnelerin farklı türevlerinin bulunmasıyla beraber farklı sınıflardaki nesneler arasındaki benzerliğin yüksek olması gibi faktörler sınıflandırma işini zorlaştırmaktadır. Bu tez çalışmasında, birbirine görsel açıdan yüksek benzerlik barındıran nesne gruplarının derin öğrenme tabanlı yaklaşımlarla sınıflandırılması amaçlanmıştır. Tez çalışması kapsamında, farklı türde ve sayıda verilerin sınıflandırıldığı derin öğrenme tabanlı altı adet farklı yaklaşım önerilmiştir. Tezde kullanılmak üzere oluşturulan veri setlerimizin içeriği; endüstriyel vida, cıvata ve somun görüntüleri, pantograf görüntüleri ve tekstil makinesi yedek parça görüntülerinden oluşmaktadır. Tezde kullanılmak üzere tekstil makinesi yedek parça görüntülerinin elde edilmesinde NİT Örme Tekstil San. ve Tic. Ltd. Şti' den yardım alınmıştır. Ayrıca tez kapsamındaki çalışmalarda kullanmak için birbirine benzer nitelikte olan nesne gruplarının bulunduğu veri setleri de hazırlanmıştır. Önerilen yöntemlerin literatür ile detaylı olarak karşılaştırılması yapılmıştır ve elde edilen sonuçlar incelendiğinde, önerdiğimiz yöntemlerin oldukça başarılı ve etkin olduğu saptanmıştır.
Özet (Çeviri)
The classification of objects using computer vision technologies is useful in a variety of situations. In recent years, the deep learning approach to object classification has grown in popularity. The visual similarity of the objects to be classified, the insufficient number of images in the data set, the presence of different derivatives of the objects in the same class, and the high similarity between the objects in different classes all make classification difficult. The goal of this thesis is to use deep learning-based approaches to classify object groups that have high visual similarity to each other. Many deep learning-based approaches for categorizing various types and numbers of data have been proposed within the scope of the thesis. The content of our data sets created for use in the thesis; industrial screw, bolt and nut images, pantograph images and textile machine spare parts images. Assistance has been received from NİT Örme Textile Ind.Trade.Co.Ltd. in obtaining images of textile machine spare parts to be used in the thesis. Furthermore, data sets containing similar object groups have been prepared for use in studies within the scope of the thesis. The proposed methods have been thoroughly compared to the literature, and the results obtained revealed that the methods we proposed are quite successful and effective.
Benzer Tezler
- Bilgisayarlı görü ile dijital ergonomik risk değerlendirme sistemi: REBA, RULA ve OWAS uygulaması
Digital ergonomic risk assessment system with computerized vision: REBA, RULA and OWAS application
ANIL ÖZKAN GEÇİCİ
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KİRAZ
- Compressed domain image classification with sub-band data fusion
Sıkıştırılmış düzlemde alt-bant bileşen harmanlama yöntemi ile görüntü sınıflandırma
BERK ARICAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
DR. LEVENT ÇARKACIOĞLU
- Dissimilarity based multiple instance learning using dictionary ensembles
Sözlük toplulukları kullanılarak farklılık tabanlı çoklu örnek öğrenme
NAZANIN MOARREF
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Görüntü sınıflandırması için yapay sinir ağlarının analiz ve optimizasyonu
Analysis and optimization of artificial neural networks for image classification
OZAN ARSLAN
Doktora
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiPROF. DR. OĞUZ MÜFTÜOĞLU
PROF. DR. CANKUT ÖRMECİ
- Çekirdek fonksiyonu kullanan meta sezgisel tabanlı yeni bir kümeleme algoritması
A new meta-heuristic based clustering algorithm using kernel function
HİLAL ELMAS
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE MERVE ACILAR