Real time target tracking system based on deep learning
Derin öğrenme temelli gerçek zamanlı hedef takip sistemi
- Tez No: 780873
- Danışmanlar: Prof. Dr. REMZİ YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 100
Özet
Gerçek zamanlı görsel nesne izleme sistemi, bir video dizisinde veya sabit görüntülerde, bir sınır kutusu ile algılamayı ve hedefi tanımlamayı kapsar ve bu nesneyi, yoğun aydınlatma ve hareketli kameraların neden olduğu belirsiz ortamlarda insan müdahalesi olmadan takip etmeye devam eder. Ek olarak, gereksinimleri karşılamak için bazen sınırlı olan donanım özelliklerini artırarak veya verimli algoritmaları geliştirerek gerçek zamanlı bir nesne izleyiciye ihtiyacımız olur. Bu çalışmada, önce derin öğrenme ve izleme teknikleri için bir analiz ve bilgi araştırması sunulmuştur, Sonrasında gerçek zamanlı ve doğru bir derin öğrenme tabanlı izleme sistemi oluşturmak için çapraz bir izleme yöntemi önerilmiştir. Tespit ve Takip (DETRAC) Çalışmamızda, yüksek doğruluk, hassasiyet, etkin bir doğrulama ve yeniden konumlandırma uygulaması elde etmek için You Only Look Once tespit algoritması (YOLO) ile Kernelized Correlation Filter (KCF) takip algoritması kullanılmıştır. İzleme yeteneğini ve genel performansı artırmak için YOLOv3 mimarisini kullandık ve ağı eğitmek için dronların veri setlerini oluşturduk. Bu uygulamanın Hassasiyeti% 80'dir. Bu hassasiyet, tek başına YOLO'dan% 8 ve tek başına KCF'den % 58 daha yüksektir ve deneysel donanımımızda saniyede 31 kare hızında çalışır.
Özet (Çeviri)
The real-time visual object tracking system covers the detection and identifies the target in a video sequence or in fixed images, with a boundary box (x and y coordinates) and keep tracking of that object in ambiguous environments like illumination and none stationary cameras, without a human intervention. Even more than that, we need a real time object tracker, either by increasing the hardware specifications, which are limited sometimes, or by improving practical algorithms, to meet the requirements. In this study we present an analysis and knowledge research for deep learning and tracking techniques, then a crossbred tracking method is proposed for creating a real-time and accurate deep learning based tracking system. Our Detect Track (DETRAC) framework combined of You Only Look Once object detector (YOLO) with Kernelized Correlation Filter (KCF) tracker, to achieve a high accuracy, precision, robust correction and target relocation structure. In order to increase the tracking capability and the overall performance, we used YOLOv3 architecture, and we provided a specialized custom dataset of quadrotors (drones) to train our network. The combination precision was 80%, which is 8% higher than YOLO alone, and 58% higher than KCF alone, and runs at 31 frame per second on our experimental hardware.
Benzer Tezler
- Target detection and tracking from unmanned aerial vehicle cameras using embedded GPU
Gömülü cihazlar kullanarak insansız hava araçları üzerinden hedef tespit ve takibi
FIRAT MEHMETOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAHYA KEMAL BAYKAL
- Real-time visual target identification and tracking via unmanned ground vehicle (UGV)
İnsansız yer aracı (UGV) üzerinden gerçek zaman görsel hedef belirleme ve izleme
NOUR ZAKARIYA AMMAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Deep learning model optimization for real-time smallobject detection on embedded gpus
Gömülü GPU'larda gerçek zamanlı küçük nesne tespiti için derin öğrenme model optimizasyonu
SHAROZE ALI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. HASAN FEHMİ ATEŞ
- Drone ile drone takibi için dağıtık derin takviyeli öğrenme yaklaşımları
Distributed deep reinforcement learning approaches for drone tracking with drone
ZİYA TAN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK