Geri Dön

Nesne tespiti algoritmaları ve yüksek çözünürlüklü evrişimsel sinir ağıyla savunma sanayii alanındaki küçük nesnelerin tespiti

Small object detection in the military industry with object detection algorithms and super resolution convolutional neural network

  1. Tez No: 814254
  2. Yazar: MEHMET BATUHAN ÖZDAŞ
  3. Danışmanlar: PROF. DR. FIRAT HARDALAÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Otomatik nesne tespiti, savunma sanayii alanında önemlidir. Bu cisimler genellikle küçük ve kamuflajlı yani net bir şekilde görülemedikleri için, net ve büyük görünmeleri daha da önem kazanmaktadır. Bu nedenle, savunma sanayii alanında nesne algılama algoritmalarını kolaylaştırmak için düşük çözünürlüklü ve düşük boyutlu görüntülerden yüksek çözünürlüklü ve yüksek boyutlu görüntüler elde eden bir model sunulmaktadır. Sunulan model, hızlı süper çözünürlüklü evrişimsel sinir ağı ile literatürde yaygın olarak kullanılan VGG16 modelinin birleşimidir. Bu modelle küçük boyutlu görüntülerin büyütülerek nesne tespiti yapılırken kolaylık sağlanması amaçlanmaktadır. Savunma sanayii alanındaki verilerin sınırlı olması nedeniyle veri seti internetten toplanmıştır. Toplamda 900 adet görselden oluşan veri seti belirli veri artırma teknikleri ile artırılmıştır. Model eğitimi için hem yüksek hem de düşük boyutlu görüntü gerektirdiğinden, toplanan yüksek boyutlu görüntülerden bikübik enterpolasyon yöntemi ile düşük boyutlu görüntüler elde edilmiştir. Sunulan modelin eğitiminin ardından test görüntülerinden elde edilen yüksek çözünürlüklü görüntüler YOLO versiyonlarının eğitiminde kullanılmıştır. Çalışmada YOLOv4'ten YOLOv8'e kadar beş farklı YOLO versiyonu kullanılmıştır. Sunulan süper çözünürlüklü model için 47,81 BRISQUE skoru elde edilirken, YOLOv7 için 0,903 mAP değeri elde edilmiştir.

Özet (Çeviri)

Automatic object detection is important in the military industry. Since these objects are generally small and camouflaged, i.e., they are not clearly visible, it becomes even more important that they appear clear and large. Therefore, in order to facilitate object detection algorithms in the field of the military industry, a model that obtains high-resolution and high-dimensional images from low-resolution and low-dimensional images is presented. The presented model is a combination of a fast super-resolution convolutional neural network and the VGG16 model, which is widely used in the literature. Due to the limited data in the field of the military industry, the dataset was collected manually from the internet. The dataset, which has 900 images in total, has been augmented with certain data augmentation techniques. For model training, low-dimensional images were obtained from the collected high-dimensional images by the bicubic interpolation method. After the training of the presented model, high-resolution images obtained from the test images were used in the training of the YOLO versions. Five different YOLO versions were used in the study, from YOLOv4 to YOLOv8. A BRISQUE score of 47,81 was obtained for the presented super resolution model, while a mAP value of 0,903 was obtained for YOLOv7.

Benzer Tezler

  1. Derin öğrenme ile yüksek çözünürlüklü hava görüntülerinde yolların tespit edilmesi

    Road detection in aerial images with deep learning

    FİGEN ÖNÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Ekobilişim Ana Bilim Dalı

    DOÇ. DR. GALİP AYDIN

  2. Building detection from very high resolution satellite images with deep learning approach

    Derin öğrenme yaklaşımı ile çok yüksek çözünürlüklü uydu görüntülerinde bina tespiti

    ESRA ÖZAYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Metasezgisel algoritmalar ve derin öğrenme kullanılarak çok kaynaklı görüntü füzyonu

    Multi-source image fusion using metaheuristic algorithms and deep learning

    ASAN IHSAN ABAS ABAS

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NURDAN BAYKAN

  4. Deep learning-based object recognition from RGB images using convolutional neural networks

    Başlık çevirisi yok

    MOHAMMED ZAKI HAMEED ALTAMEEMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MESUT ÇEVİK

  5. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA