Derin öğrenme tabanlı kızıl ötesi hedef tespiti
Deep learning-based infrared target detection
- Tez No: 781710
- Danışmanlar: DOÇ. DR. ERDEM AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Savunma ve Savunma Teknolojileri, Electrical and Electronics Engineering, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 102
Özet
Bilgisayar teknolojisi giderek gelişmekte ve günümüzde birçok alanda kullanılmaktadır. Bu alanlardan en önemlilerinden biri bilgisayarlı görüdür. Gelişmiş bilgisayarlı görü uygulamaları sayesinde görüntülerden nesne tespit çalışmaları yapılmaktadır. Genelde renkli görüntüler üzerinden yapılan nesne tespit çalışmaları, termal algılayıcı teknolojisinin gelişmesiyle birlikte kızılötesi görüntüler üzerinde çalışılmaya başlanmıştır. Kızılötesi görüntüler, başta savunma teknolojileri ve sağlık olmak üzere günlük hayatta dahil birçok alanda yaygın olarak kullanılmaktadır. Yetersiz aydınlatma ve kötü hava koşullarında gerçekleştirilen nesne tespit çalışmalarında kızılötesi görüntülerin kullanılması büyük avantaj sağlamaktadır. Derin öğrenme mimarilerinin giderek gelişmesi ile birlikte nesne tespit uygulamalarında Evrişimli Sinir Ağları yaygın olarak kullanılmaya başlanmıştır. Son zamanlarda literatürde en çok kullanılan, nesne tespit hızı ve doğruluk oranı ile göze çarpan Evrişimli Sinir Ağı modelleri YOLO modelleridir. Bu tez çalışmasında savunma teknolojilerinde kullanılmak üzere, kızılötesi görüntülerden insan ve araç tespiti gerçekleştirilmiştir. Çalışma kapsamında YOLOv3, YOLOv4 ve YOLOv7 modellerinin kızılötesi nesne tespit performansları ve termal alan adaptasyonları kıyaslanmıştır. Bu bağlamda veri çoğaltma yöntemleri ile elde edilen 48000 görüntüden oluşan bir veri seti kullanılmıştır. Veri seti 4 kat çapraz doğrulama yöntemi ile modellere verilmiştir. Her model 100 adım eğitilmiş ve sonuçlar değerlendirilmiştir. Deneysel sonuçlar doğrultusunda YOLOv3 ve YOLOv4 modellerinin en iyi doğruluğa sahip olduğu gözlenmiştir. Modellerin mAP değerleri YOLOv3, YOLOv4 ve YOLOv7 için sırasıyla %84,93; %95,97 ve %57,29 olarak elde edilmiştir.
Özet (Çeviri)
Computer technology is developing gradually and is used in many fields today. One of the most important of these areas is computer vision. Thanks to advanced computer vision applications, object detection studies are carried out from images. Object detection studies, which are generally done on colour images, have started to work on infrared images with the development of thermal sensor technology. Infrared images are widely used in many areas, especially in defence technologies, medicine, and daily life. The use of infrared images provides a great advantage in object detection studies carried out in bad lighting and weather conditions. With the gradual development of deep learning architectures, Convolutional Neural Networks have been widely used in object detection. The YOLO models are the most widely used Convolutional Neural Network models in the literature, which stand out with their object detection speed and accuracy. In this study, people and vehicles were detected from infrared images to be used in defence technologies. In the scope of the study, infrared object detection performances and thermal domain adaptations of YOLOv3, YOLOv4 and YOLOv7 models were compared. In this context, a dataset consisting of 48000 images obtained by data augmentation methods was used. The dataset was given to the models with the 4-fold cross-validation method. Each model has trained 100 epochs and the results were evaluated. In the experimental results, it was observed that the YOLOv3 and YOLOv4 models had the best accuracy. The mAP of the models were obtained as 84.93%, 95.97% and 57.29% for YOLOv3, YOLOv4 and YOLOv7, respectively.
Benzer Tezler
- Hiperspektral görüntülerde eser miktarda kimyasal madde tespiti
Detection of trace amount chemical substances in hyperspectral images
ŞAFAK ÖZTÜRK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. SENİHA ESEN YÜKSEL ERDEM
- Havadan alınan termal kamera görüntülerinde canlı tasnifinin yapılmasında derin öğrenme tabanlı tekniklerin uygulanması
Application of deep learning-based techniques for performing live sorting on aerial thermal camera images
HALİL USLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Hiperspektral termal görüntülerde hedef tespiti
Target detection in hyperspectral thermal images
METEHAN YALÇIN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
DOÇ. DR. ALPER KOZ
- A social navigation approach for mobile assistant robots
Asistan mobil robotlar için sosyal bir navigasyon yaklaşımı
HASAN KIVRAK
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Mevkisel ve anlamsal göreceli nitelikler yardımıyla görüntü tanıma
Visual recognition via spatially and semantic relative attributes
EMRAH ERGÜL
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
DOÇ. DR. NAFİZ ARICA