Modified YOLOv4 and YOLOv3 by image processing and deep learning for traffic flow car detection
Başlık çevirisi mevcut değil.
- Tez No: 800833
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT EKİNCİ
- 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
2023
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEYDİ KAÇMAZ
- Automatic gaze detection for child-robot interaction
Çocuk-robot etkileşiminde otomatik bakış tespiti
NURSENA BÖLÜK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMET GÜLER
- Modifiye poliakrilamidler ve uygulamaları
Modified polyacrylamides and their applications
HASİNE KAŞGÖZ
Doktora
Türkçe
1999
Kimya Mühendisliğiİstanbul ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SAADET ÖZGÜMÜŞ