Deep learning-based object recognition from RGB images using convolutional neural networks
Başlık çevirisi mevcut değil.
- Tez No: 796720
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Görsel nesne algılama, gerçek veriler üzerinde derin öğrenme kullanılarak yoğun bir şekilde araştırılan popüler bir bilgisayar görme görevidir. Son yıllarda, derin sinir ağlarının geliştirilmesiyle, nesne tanıma teknolojisi daha da geliştirilmiştir. RCNN (bölge-CNN) ile başlayarak, tanıma doğruluğu sürekli olarak gelişiyor. Ancak aynı zamanda, nesne tanıma birçok zorlukla karşı karşıya. Bu zorluklar arasında aydınlatma koşulları, nesne ve arka planlar için benzer renkler ve daha fazlasını içerir. Evrişimsel sinir ağlarının (CNNS) tabanlı algoritmaların son gelişimi, düşük ışık (LL) görüntü geliştirme ve süper çözünürlük (SR) görüntü üretimi için olanaklar sunar, bu da görüntü kalitesini artırmak ve algılama doğruluğunu artırmak için bu modelleri birleştirmeyi mümkün kılar. Bu tez, oluşturulan görüntüleri Ground gerçeği görüntüleriyle karşılaştırarak SR üretimi ve LL geliştirme için farklı CNNS modellerini değerlendirir. İlgili modelin tespit doğruluğu üzerindeki etkisini ölçmek için, oluşturulan görüntüler üzerinde bir algılama prosedürü değerlendirildi. Noghtowls ve Caltech yaya veri kümelerinden seçilen görüntüler üzerinde değerlendirilen deneysel sonuçlar, süper çözünürlüklü görüntü oluşturma ve düşük ışık görüntü geliştirmesinin önemli bir farkla tespit doğruluğunu artırdığını kanıtladı.
Özet (Çeviri)
Visual object detection is a popular computer vision task that has been intensively investigated using deep learning on real data. In recent years, with the development of deep neural networks, the technology of object recognition has been further developed. Starting with RCNN(Region-CNN), although the accuracy of recognition is constantly improving. But at the same time, object recognition faces many challenges. These challenges include lighting conditions, similar colors for object and backgrounds, and more. Recent development of Convolutional Neural Networks (CNNs) based algorithms offers possibilities for low-light (LL) image enhancement and super resolution (SR) image generation which makes it possible to combine such models in order to improve image quality and increase detection accuracy. This thesis evaluates different CNNs models for SR generation and LL enhancement by comparing generated images against ground truth images. To quantify the impact of the respective model on detection accuracy, a detection procedure was evaluated on generated images. Experimental results evaluated on images selected from NoghtOwls and Caltech Pedestrian datasets proved that super resolution image generation and low-light image enhancement improve detection accuracy by a substantial margin.
Benzer Tezler
- Doku ve renk öznitelikleriyle tarla görüntülerinden bitki ve fenolojik evrelerinin çıkarımı
Plant and phenology recognition from field images using texture and color features
FATİH GÜLAÇ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Derin öğrenme tekniklerini kullanarak rgb-d nesne tanıma
Rgb-d object recognition using deep learning techniques
ALİ ÇAĞLAYAN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BURAK CAN
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Derin öğrenme algoritmaları kullanılarak çay alanlarının otomatik segmentasyonu
Automatic segmentation of tea fields by using deep learning algorithms
SALİH BOZKURT
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM