Geri Dön

Comparison of machine and human vision based on brightness and contrast using YOLOV3 with fuzzy logic

YOLOV3 ve bulanık mantık kullanarak insan ve makine görüsünü parlaklık ve kontrast tabanlı karşılaştırılması

  1. Tez No: 786602
  2. Yazar: ENİS ÇETİN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZAFER İŞCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Bu çalışma, görüntülerdeki parlaklık ve kontrast değerlerine bağlı olarak YOLOV3 algoritması ile bulanık mantığı kullanarak insan ve makine görüsünü karşılaştırmayı amaçlamaktadır. Kontrast ve parlaklık parametreleri için algılama eşiklerini belirlemek amacıyla 50 katılımcıyı kapsayan bir anket yaptık. Eşiklere bağlı olarak bu iki parametrenin birbirini nasıl etkilediğini de inceledik. Eşikler, bulanık mantığa girdi olarak verilmeden önce normalize edilir. Görüntüde bulunan nesnenin boyutunu temsil eden ağırlık parametresinin etkisini de analiz ettik. Aslında ağırlık, görüntüdeki nesnenin parlaklık ve kontrast parametrelerine olan duyarlılığını etkiler. Parlaklık, kontrast ve ağırlık parametrelerini bulanık mantıkla işleyerek bulanık bir sonuç elde ederiz. Bu sonucu YOLOV3'teki değerle karşılaştırdık. Bu sayede insan ve makine görmesini aynı platform üzerinde karşılaştırabiliyoruz. Bu karşılaştırmayı referans alarak, aşırı parlaklık ve kontrast koşullarında insan gözünün nesneleri yakalamada makineye göre daha iyi olduğunu gözlemledik. Bunun, insanın tanıma yetisinde yer alan bazı ekstra bilgilerden (ör. Deneyim vs.) kaynaklanabileceğini düşünüyoruz.

Özet (Çeviri)

This study aims to compare human and machine vision using fuzzy logic with YOLOV3 algorithm based on brightness and contrast values in the images. In order to determine detection thresholds for the contrast and the brightness parameters, we conducted a survey including 50 participants. We also examined how these two parameters affect each other depending on the thresholds. The thresholds are normalized, before being given as input to fuzzy logic. We also analyzed the effect of the weight parameter, that represents the size of the object found in the image. In fact, weight affects the sensitivity of the object in the image to the brightness and contrast parameters. We obtain a fuzzy result by processing the brightness, contrast, and weight parameters with fuzzy logic. This result is compared with the value from YOLOV3. In this way, human and machine vision are compared on the same platform. Depending on this comparison, we observed that the human eye is better in capturing objects in extreme brightness and contrast conditions than the machine. We think that this might be due to some extra information (e.g. experience) involved in human recognition.

Benzer Tezler

  1. Değişken rezolüzyonlu görüntü örnekleyici

    Multi resolution image sampler

    RIZA CAN TARCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. M. SAİT TÜRKÖZ

  2. Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması

    Comparision and mobile application of deep learning models trained on blood cell dataset

    MEHMET YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ZAHİD YILDIZ

  3. Giyilebilir sensör işaretlerinden hareket tanıma için yeni yaklaşımlar

    New approaches for motion recognition from the wearable sensor signals

    FATMA KUNCAN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YILMAZ KAYA

  4. Plant identification using deep convolutional networks based on principal component analysis

    Ana bileşen analizine dayalı derin konvolüsyonel ağ kullanımıyla bitki tanımlama

    MOSTAFA MEHDİPOUR GHAZİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. AYŞE BERRİN YANIKOĞLU YEŞİLYURT

  5. Bilgisayarlı görü ile dijital ergonomik risk değerlendirme sistemi: REBA, RULA ve OWAS uygulaması

    Digital ergonomic risk assessment system with computerized vision: REBA, RULA and OWAS application

    ANIL ÖZKAN GEÇİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER KİRAZ