Kanal tümleştirme mekanizmalı dinamik konvolüsyon ile derin öğrenme
Deep learning via dynamic convolution with channel fusion mechanism
- Tez No: 779374
- Danışmanlar: PROF. DR. BİLGE GÜNSEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
- 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
- Dynamic fusion networks for predicting saliency in videos
Videolarda belirginlik tahmini için dinamik tümleştirme ağları
AYSUN KOÇAK ÖZCAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ERKUT ERDEM
DOÇ. DR. İBRAHİM AYKUT ERDEM
- 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
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUFAN COŞKUN KARALAR
- SOI-SIMOX taban üzerinde CMOS tümdevre üretim süreci tasarımı ve gerçeklenmesi
Implementation of SOI CMOS process
AZİZ ULVİ ÇALIŞKAN
Doktora
Türkçe
1999
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ATİLLA ATAMAN
- Development of ab inition models for carbon nanotube technology
Karbon nanotüp teknolojisi için ab ınition modellerin geliştirilmesi
SERHAN YAMAÇLI
Doktora
İngilizce
2011
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. DR. MUTLU AVCI
- 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
2014
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Bölümü
DOÇ. DR. MEHMET KESKİNÖZ