Geri Dön

Computer vision and deep learning forautomatic detection and localization

Bilgisayar görüşü ve derin öğrenme içinotomatik algılama ve lokalizasyon

  1. Tez No: 769789
  2. Yazar: ZINAH HAYDER HAMMOODI ALHUSSEIN
  3. Danışmanlar: PROF. DR. GALİP CANSEVER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 58

Özet

Daha önce yapılmış kavramları içeren sinir ağları gibi makine öğrenimi teknikleri. organik sinir sistemlerinde bulunan, daha popüler hale geliyor. Biyolojik bir nöron, bir hücredir. bir gövdeden, dendrit adı verilen birçok küçük çıkıntıdan ve dendrit adı verilen tek bir uzun çıkıntıdan oluşur. bir akson. Aksonlar, dendritleri nöron gövdesine bağlayan uzun çıkıntılardır. Dendritlerin yüzeyinde sinaps olarak bilinen birkaç bölge vardır. diğer nöronlardan gelen aksonlar, söz konusu nörona birleştirilir. Bir elektrik darbesi ateşlenir aksonlar her seferinde ve sonra ve bu, hücre zarının geçirgenliğini değiştirerek nöron gövdesi içindeki voltajda mütevazı bir artış. Aktivasyon sayısı arttıkça Diğer nöronlardan geliyorsa, voltajdaki artış o kadar büyük olur. tabanında bir merkez bulunmaktadır. akson ve voltajın kalıcı olarak ölçülmesinden sorumludur. anlamsal amaç Segmentasyon, görüntüdeki ve kümedeki aynı nesneye veya sınıfa ait pikselleri tanımlamaktır. onları birlikte. Bu yöntem, algılama gibi çoklu uygulamalarda ve projelerde değerlidir. beyin tümörleri, otonom araçlar için sivillerle semantik haritalar oluşturma, yüz segmentasyonu viii veya arazi kullanım sınıflandırması. anlamsal bölümleme kullandık, anlamsal bölümleme sağlar ekranların etrafındaki piksel bazında sınırlar ve ekranlar tamamen örtüşmediğinden benzer sonuçlar verir. önemli ölçüde daha az karmaşıklıkla örnek segmentasyonu olarak sonuçlanır.

Özet (Çeviri)

Machine learning techniques such as neural networks, which include concepts that have been found in organic nerve systems, are becoming more popular. A biological neuron is a cell that consists of a body, many smaller protrusions called dendrites, and a single long protrusion called an axon. Axons are the long protrusions that connect the dendrites to the body of the neuron. On the surface of the dendrites, there are several sites known as synapses, which are where axons from other neurons are joined to the neuron in question. An electric impulse is fired by the axons every now and then, and this changes the permeability of the cell membrane, causing a modest rise in the voltage within the neuron body. The greater the number of activations that come from other neurons, the greater the increase in voltage. A center is located at the base of the axon, and it is responsible for permanently measuring the voltage. The goal of semantic segmentation is to identify pixels belonging to the same object or class in the image and cluster them together. This method is valuable in multiple applications and projects such as detecting brain tumors, creating semantic maps with civilians for autonomous vehicles, face segmentation viii or land usage classification. we used semantic segmentation, Semantic segmentation provides pixel-wise boundaries around screens, and as screens do not entirely overlap, it yields similar results as instance segmentation with significantly less complexity.

Benzer Tezler

  1. Lifelong learning for auditory scene analysis

    İşitsel sahne analizi için hayat boyu öğrenme

    BARIŞ BAYRAM

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN İNCE

  2. Developing algorithm for automatic detection of caves using unmanned aerial vehicle data

    İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi

    MUSTAFA BÜNYAMİN SAĞMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DOÇ. DR. ORKAN ÖZCAN

  3. Derin öğrenme yöntemleri ile metalik yüzeylerde kusur tespiti ve sınıflandırılması

    Defect detection and classification on metallic surfaces using deep learning methods

    FEYZA SELAMET

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERAP ÇAKAR

  4. Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma

    Despeckling based data augmentation approach in deep learning based radar target classification

    ŞAKİR HÜDAİ MERT CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  5. Bilgisayarlı görme temelli yaklaşım ile tehlikeli nesnelerin otomatik tanınması

    A computer vision based approach for automatic recognition of dangerous objects

    KÜBRA TİRYAKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZAFER İŞCAN