Geri Dön

Kanal tümleştirme mekanizmalı dinamik konvolüsyon ile derin öğrenme

Deep learning via dynamic convolution with channel fusion mechanism

  1. Tez No: 779374
  2. Yazar: ELİF ECEM AKBABA
  3. Danışmanlar: PROF. DR. BİLGE GÜNSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 99

Özet

Derin öğrenme ağlarında yüksek performans elde edebilmek açısından en önemli işlem, verileri iyi temsil eden özniteliklerin çıkarılabilmesidir. Tez kapsamında, kişi tanılama uygulamasında daha ayırt edici öznitelikler çıkararak performansı arttırmak amacıyla, iki farklı kişi tanılama ağında dinamik konvolüsyonlu omurga ağ mimarisi kullanımı önerilmiş ve dinamik omurga ağ mimarisinin performansa etkileri incelenmiştir. Dinamik omurga mimarisinin gerçeklenmesinde, literatürde bulunan kanal tümleştirme mekanizmalı dinamik konvolüsyon kullanılmıştır. Dinamik omurga mimarisi, literatürde bulunan iki farklı kişi tanılama ağında kullanılarak statik ve dinamik omurga mimarileriyle elde edilen performanslar karşılaştırılmıştır. Sonuç olarak, dinamik omurga ağ mimarisi kullanımının, ayırt ediciliği sınırlı öznitelikler kullanan basit kişi tanılama ağ mimarilerinde performansı önemli ölçüde arttırabileceği raporlanmıştır. Ayırt ediciliği yüksek özniteliklerle detaylı karşılaştırmalar sonucunda eşleme yapan kişi tanılama ağlarında ise dinamik omurga ağ mimarisi kullanımının katkısının sınırlı olduğu görülmüştür.

Özet (Çeviri)

In order to achieve high performance in deep learning networks, the most important process is to extract features that represent the data correctly. Within the scope of the thesis, in order to increase the performance by extracting more distinctive features in the person re-identification application, the use of dynamic convolution backbone network architecture in two different person identification networks is proposed and the effects of dynamic backbone network architecture on the performance are examined. In the implementation of the dynamic backbone architecture, dynamic convolution with channel fusion mechanism is used. The performances obtained with static and dynamic backbone architectures were compared by using the dynamic backbone architecture in two different person re-identification networks in the literature. As a result, it has been reported that the use of dynamic backbone network architecture can significantly improve performance in simple person re-identification network architectures using features with limited distinctiveness. On the other hand, it has been observed that the contribution of the use of dynamic backbone network architecture in person re-identification network that matches images as a result of detailed comparisons with highly distinctive features is limited.

Benzer Tezler

  1. Dynamic fusion networks for predicting saliency in videos

    Videolarda belirginlik tahmini için dinamik tümleştirme ağları

    AYSUN KOÇAK ÖZCAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET ERKUT ERDEM

    DOÇ. DR. İBRAHİM AYKUT ERDEM

  2. High voltage conversion efficiency charge pump based power management integrated circuit for bioimplants

    Biyoimplantlar için gerilim dönüştürme verimi yüksek yük pompası tabanlı güç yönetimi tümdevresi

    MELİH BİLMEZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUFAN COŞKUN KARALAR

  3. SOI-SIMOX taban üzerinde CMOS tümdevre üretim süreci tasarımı ve gerçeklenmesi

    Implementation of SOI CMOS process

    AZİZ ULVİ ÇALIŞKAN

    Doktora

    Türkçe

    Türkçe

    1999

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ATİLLA ATAMAN

  4. Development of ab inition models for carbon nanotube technology

    Karbon nanotüp teknolojisi için ab ınition modellerin geliştirilmesi

    SERHAN YAMAÇLI

    Doktora

    İngilizce

    İngilizce

    2011

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    YRD. DOÇ. DR. MUTLU AVCI

  5. Power optimization, network coding and decision fusion in multi-access relay networks

    Çoklu erişimli röle destekli şebekeler için güç eniyilemesi, şebeke kodlaması ve karar tümleştirmesi

    KAYHAN ERİTMEN

    Doktora

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Bölümü

    DOÇ. DR. MEHMET KESKİNÖZ