Geri Dön

ROAD DAMAGE DETECTION UTILIZING ADVANCED DEEP LEARNING TECHNIQUES

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 796547
  2. Yazar: SHIHAB AHMED SAYER SAYER
  3. Danışmanlar: PROF. DR. OSMAN NURİ UCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 55

Özet

Belediyeler ve ulaşım kurumları arasında otomatik yol hasar tespiti uygulamasına olan ilgide artış olmuştur. Ancak, veri toplama ve yol hasar analizi için en gelişmiş araçları satın almak için gereken bilgi birikiminden, kaynaklardan ve en son teknolojiden yoksundurlar. Yol koşullarının otomatik olarak izlenmesi birçok ülkede bir sorundur, ancak akıllı telefonlar aracılığıyla daha erişilebilir ve uygun maliyetli bir şekilde uygulandıkları Japonya gibi bazı ülkelerde çözümler geliştirilmiştir. Bu çalışmanın bu alanda yaptığı katkılar aşağıdadır. Başlangıçta, Japon modelini diğer ülkelerde benimsemenin ne kadar mümkün olacağını değerlendirir. İkinci olarak, Japonya'daki akıllı telefonlardan toplanan 3000 görüntü ile yol hasarına ilişkin büyük ölçekli heterojen bir veri seti önermektedir. Ayrıca, üçüncüsü, yol hasarını birden fazla durumda sınıflandırabilen ve tespit edebilen bir tespit modeli önerir. Model, sınıflandırma ve saptama performansının yanı sıra hesaplanan doğruluk ve kayıplar ile değerlendirme metriklerine dayalı olarak değerlendirilecektir.

Özet (Çeviri)

There has been a rise in the interest in implementing automated road damage assessment among municipalities and transportation agencies. However, they frequently lack the know-how, resources, and cutting-edge technology necessary to purchase the most advanced tools for data collection and road damage analysis. The automatic monitoring of road conditions is a problem in many countries, but solutions have been developed in some, like Japan, where they are more accessible and cost-effectively implemented via smartphones. The following are the contributions made by this work in this area. Initially, it assesses how feasible it would be to adopt the Japanese model in other countries. Secondly, it proposes a large-scale heterogeneous data set on road damage, with 3000 images gathered from smartphones in Japan. Moreover, third, it suggests a detection model that can classify and detect road damage in multiple states. The model will be evaluated based on the performance of classification and detection, as well as accuracy and losses calculated and evaluation metrics.

Benzer Tezler

  1. Tez No

    816186

    Next generation wireless networks for social good

    Sosyal fayda için yeni nesil telsiz ağlar

    SULTAN ÇOĞAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ

  2. Tez No

    761748

    Evaluation of the environmental effects of connected autonomous vehicles in traffic incident scenarios on uninterrupted facilities

    Trafik kaza senaryolarında bağlantılı otonom araçların kesintisiz yol ağları üzerindeki çevresel etkilerin değerlendirilmesi

    RAHMİ ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    UlaşımBoğaziçi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ILGIN GÖKAŞAR

  3. Tez No

    614114

    Road damage detection with deep learning methods

    Derin öğrenme yöntemleri ile yol hasar tespiti

    HATİCE BALCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN ŞAKİR BİLGE

  4. Tez No

    869066

    Makine öğrenmesi yöntemleri ile Hatay ili karayolları yol hasar tespiti

    Road damage detection on Hatay province highways using machine learning methods

    AHMET CİHANGİR KAVCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Ulaşımİskenderun Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK CANSIZ

  5. Tez No

    798219

    Detection and quantification of pavement defects using unmanned aerial vehicle imagery

    İnsansız hava aracı kullanılarak elde edilen görüntülerden yol yüzeyi hasarı tespiti

    TUĞBA YILDIZLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İnşaat MühendisliğiHacettepe Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU GÜLDÜR ERKAL

Geri Dön