Kamufle görüntülerden nesne algılama için derin öğrenmeye dayalı yeni yaklaşım
A new approach based on deep learning for object detection from camouflaged images
- Tez No: 771614
- Danışmanlar: PROF. DR. VASİF NABİYEV
- 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: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
“Kamuflaj nesnesi algılama”(COD) terimi genellikle bir ortamdaki gizli nesnelerin algılanmasını tanımlamak için kullanılır. Kamuflajlı nesnelerin tespitinde nesneler ve bulundukları ortamlar çok benzer olduğundan ve geniş veri setlerinin bulunmaması ilgili çalışmaların yapılmasını zorlaştırmaktadır. Tezde, derin öğrenmeye dayalı yeni bir COD yaklaşımı önerilmiştir. İlk aşamada, özellikler bir omurga ağından (ResNet) elde edilir. Bu özellikler daha sonra, geniş bir alıcı alandan zengin bağlam özelliklerini çıkaran ve özellik haritaları arasındaki entegrasyonu geliştiren başlangıç modülüne aktarılır. Önerilen modülün, segmentasyonu önemli ölçüde iyileştirdiği gözlemlenmiştir. İkinci adımda, düşük seviyeli öznitelikler anlamsal bilgi açısından zengin öznitelikler ile yoğun bir şekilde birleştirilir. Üçüncü adımda, kamufle edilen nesneyi arka plandan daha iyi ayırt etmek için bir dikkat mekanizması kullanılmaktadır. Dönüşüm dikkati, kanal dikkati ve uzamsal dikkat modülleri, hedef bölge hakkında daha fazla bilgi çıkarmak ve gereksiz bilgileri bastırmak için kullanılır. Modüller üzerinde yapılan deneyler, tüm kombinasyonların kamufle edilmiş nesneleri doğru bir şekilde tespit ettiğini ortaya koymuştur. Ayrıca önerilen yöntem yaygın olarak kullanılan veri setleri üzerinde test edilmiş ve performansı değerlendirilmiştir. Buna ek olarak, önerilen model tıbbi görüntü bölütlemesi için de değerlendirilmiş ve kabul edilebilir sonuçlarla kamufle edilmemiş nesne tespiti elde edilmiştir.
Özet (Çeviri)
The term“camouflage object detection”(COD) is often used to describe the detection of hidden objects in an environment. Since the objects and their environments are very similar and the lack of large datasets in the detection of camouflaged objects makes it difficult to carry out related studies. In this thesis, a new COD approach based on deep learning is proposed. In the first stage, features are extracted from a backbone network (ResNet). Those features are then fed into a proposed inception module, which extracts rich context features from a large receptive field and improves integration between feature maps. It is observed that the proposed module significantly improves the segmentation. In the second step, low-level features are densely combined with features rich in semantic information. In the third step, an attention mechanism is used to better distinguish the camouflaged object from the background. Transform attention, channel attention and spatial attention modules are used to extract more information about the target region and suppress redundant information. Experiments on the modules show that all combinations accurately detect camouflaged objects. Furthermore, the proposed method is tested on widely used datasets and its performance is evaluated. In addition, the proposed model is also evaluated for medical image segmentation and uncamouflaged object detection with acceptable results are obtained.
Benzer Tezler
- Doğadan esinli interaktif bina kabuğu tasarımı için örüntüye dayalı bir model
A model for nature inspired interactive building envelope design based on pattern
HÜLYA ORAL
Yüksek Lisans
Türkçe
2015
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Androıd kötücül yazılımlarından koruma sistemlerinin değerlendirilmesi ve görüntü işleme algoritmalarını yapay zekâ teknikleri ile melezleştirerek yeni bir algılama yaklaşımının geliştirilmesi
Evaluating the robustness of android anti-malware systems and developing a novel detection approach based on hybridizing image processing algorithms with artificial intelligence techniques
HALİT BAKIR
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER
- Classification and static detection of obfuscated web application backdoors
Kamufle edilmiş web uygulama arka kapılarının sınıflandırmasıve statik tespiti
FURKAN PALIGU
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. FERHAT ÖZGÜR ÇATAK
- Karbon, demir ve manganoksit katkılı polimer kompozitlerin radar soğurma kabiliyetinin araştırılması
Investigation of the radar absorption capability of carbon, iron and manganoxide doped polymer composites
İPEK ALIŞKIN
Yüksek Lisans
Türkçe
2023
Mühendislik Bilimleriİskenderun Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSİN BAHÇECİ
- U-Net ağı kullanılarak kamufle askeri unsurların tespiti
Detection of camouflaged military elements using the U-Net network
MURAT ALTUN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN GÜRÜLER