Geri Dön

Modified YOLOv4 and YOLOv3 by image processing and deep learning for traffic flow car detection

Başlık çevirisi mevcut değil.

  1. Tez No: 800833
  2. Yazar: AL ZUBAIR KHUDHUR ABBAS ALQARAGHULI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Görüntülerde veya videolarda araçların doğru ve gerçek zamanlı tespiti, zorlu ve önemli bir iş olarak kabul edilir. Özellikle karmaşık sahnelerde, çok sayıda araba yüksek yoğunluğa yol açıyor, kullanılacak çok farklı modeller var. Ancak yine de trafik akışındaki sorun, araçları doğru bir şekilde bulmanın ve araçları sınıflandırmanın zorluğudur. Bu nedenle, önerilen bu çalışma, YOLOv4-3L, YOLOv4-2L, YOLOv4-GB ve YOLOv3-GB olan tek aşamalı nesne algılamanın derin sinir ağını paylaşmaktadır. YOLO yapısı, evrişimli sinir ağı katmanlarının sayısını artırarak algılama doğruluğunu iyileştirmek için optimize edilmiştir. bu optimizasyonlar uygulanarak YOLOv4, YOLOv3'ün hız ve doğruluğu arttırılmış, ikinci optimizasyon ise görüntü işleme kullanılarak veri setini gürültüden temizlemekti, bunun için veri seti görüntülerinde Gaussian Blur filtresi kullanılmıştır. Bunun için trafik akışlarının gerçek zamanlı tespiti etkin bir şekilde kullanılabilir. Uçtan uca ağ eğitimi için Önerilen bu çalışmada, farklı hava ve senaryoları içeren OA-CAR veri seti kullanılmış, farklı senaryolar elde etmek için veri seti manuel olarak etiketlenmiştir. deneysel veri analizi, değiştirilmiş algoritmaların önceki algoritmalardan daha fazla hız ve doğruluk gösterdiğini, değiştirilmiş YOLOv3 ve YOLOv4'ün %99.68 civarında yüksek bir doğruluk derecesi ve %91 hassasiyet gösterdiğini göstermektedir.

Özet (Çeviri)

The accurate and real-time detection of vehicles in images or videos consider as challenging and substantial work. Specially in the complex scenes, a lot of cars lead to high density, there are a lot of different models to use. But still the problem with the traffic flows is the difficulty of locating vehicles accurately and classify the vehicles. Therefore, this proposed study shares deep neural network of single-stage object detection which is YOLOv4-3L, YOLOv4-2L, YOLOv4-GB and YOLOv3-GB. The YOLO structure is optimized to improve the detection accuracy by increasing the number of convolutional neural network layers. by applying these optimizations, the speed and accuracy of YOLOv4, YOLOv3 has increased, the second optimization was cleaning the data set from noise by using image processing, for that the Gaussian Blur filter was used on the data set images. For that, the traffic flows real-time detection can be used effectively. For the training of end-to-end network This proposed study used the OA-CAR data set which contains different weathers and scenarios, the data set were manually labelled in order to get different scenarios. the experimental data analysis shows that the modified algorithms show more speed and accuracy than the previous algorithms, modified YOLOv3 and YOLOv4 shows a high degree of accuracy around 99.68% and precision of 91%.

Benzer Tezler

  1. Eko görüntülerinde derin öğrenme tabanlı aort kapak ilgi bölgesi ve kalsifikasyon tespiti

    Deep learning-based aortic valve region of interest and calcification detection in echo images

    MERVENUR ÇAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT EKİNCİ

  2. Personality prediction system based on physiognomy using face recognition

    Yüz tanıma kullanılarak fizyognomiye dayalı kişilik tahmin sistemi

    DHUFR FAROOQ NAJI AL OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEYDİ KAÇMAZ

  3. Automatic gaze detection for child-robot interaction

    Çocuk-robot etkileşiminde otomatik bakış tespiti

    NURSENA BÖLÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

  4. An autonomous heterogeneous multi-robot system design for early fire detection

    Erken orman yangını tespiti için otonom heterojen çoklu robot sistemi tasarımı

    ÖMER FARUK SERİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAMET GÜLER

  5. Modifiye poliakrilamidler ve uygulamaları

    Modified polyacrylamides and their applications

    HASİNE KAŞGÖZ

    Doktora

    Türkçe

    Türkçe

    1999

    Kimya Mühendisliğiİstanbul Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. SAADET ÖZGÜMÜŞ