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
- Tez No: 814254
- Danışmanlar: PROF. DR. FIRAT HARDALAÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Derin öğrenme ile yüksek çözünürlüklü hava görüntülerinde yolların tespit edilmesi
Road detection in aerial images with deep learning
FİGEN ÖNÜN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. GALİP AYDIN
- 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
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURDAN BAYKAN
- Deep learning-based object recognition from RGB images using convolutional neural networks
Başlık çevirisi yok
MOHAMMED ZAKI HAMEED ALTAMEEMI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA