Real-time object detection using deep learning and computer vision
Derin öğrenme ve bilgisayarlı görü ile gerçek zamanlı nesne algılama
- Tez No: 831595
- Danışmanlar: DOÇ. DR. MURAT KURT
- 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: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uluslararası Bilgisayar Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, nesne algılama için MelNet adlı yeni bir derin öğrenme modeli önerilmiştir. MelNet, nesne tespiti için KITTI veri kümesi üzerinde eğitilmiştir. 300 eğitim döneminin ardından MelNet, 0,732'lik bir mAP (ortalama ortalama kesinlik) değerine ulaştı. Ayrıca YOLOv5, YOLOv8-n, YOLOv8-s, EfficientDet ve Faster- RCNN-MobileNet v3 olmak üzere beş farklı model KITTI veri seti üzerinde eğitilmiş ve nesne tespiti için MelNet ile karşılaştırılmıştır. 0.850 olan en iyi mAP değeri YOLOv8-s tarafından elde edilir. Sonuçlar, bazı durumlarda transfer öğrenimini kullanmanın daha iyi bir seçim olabileceğini göstermektedir. Gerçek şu ki, ana veri kümeleri (örn. ImageNet, COCO ve Pascal VOC) üzerinde eğitilmiş ve bu nedenle daha iyi sonuçlara sahip olan önceden eğitilmiş modellerdir. Diğer bir sonuç ise, belirli bir senaryo için yeni bir model tasarlamak ve bunu belirli bir veri kümesi üzerinde eğitmek de kabul edilebilir. Bu çalışma, MelNet'i yalnızca KITTI veri kümesi üzerinde eğitmenin, 150 çağdan sonra EfficientDet'ten daha iyi performans gösterdiğini göstermektedir. MelNet'i eğittikten sonra, sonuçlar önceden eğitilmiş başka bir modele yakındır.
Özet (Çeviri)
In this study, a novel deep learning model for object detection, named MelNet, was introduced. MelNet underwent training utilizing the KITTI dataset for object detection. Following 300 training epochs, MelNet attained an mAP (mean average precision) score of 0.732. Additionally, five alternative models—YOLOv5, YOLOv8-n, YOLOv8-s, EfficientDet, and Faster-RCNN-MobileNet v3—were trained on the KITTI dataset and juxtaposed with MelNet for object detection. The most favorable mAP score of 0.850 was achieved by YOLOv8-s. The outcomes underscore the efficacy of employing transfer learning in certain instances. Notably, preexisting models trained on prominent datasets (e.g., ImageNet, COCO, and Pascal VOC) yield superior results. Another finding underscores the viability of creating a new model tailored to a specific scenario and training it on a specific dataset. This investigation demonstrates that training MelNet exclusively on the KITTI dataset also surpasses EfficientDet after 150 epochs. Consequently, post-training, MelNet's performance closely aligns with that of other pre-trained models.
Benzer Tezler
- Acil yardım çağrısı jestlerinin bilgisayarla görü ve derin öğrenme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of emergency call gestures using computer vision and deep learning methods
FERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN
- Derin öğrenme kullanılarak FPGA'lar ile gerçek zamanlı nesne algılama ve tanıma
Real-time object detection and recognition on FPGAS's by using deep learning
VEYSEL YUSUF ÇAMBAY
Yüksek Lisans
Türkçe
2019
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL UÇAR
- İnsansız hava araçlarında gerçek zamanlı nesne tespiti ve sınıflandırma için gömülü sistem ve derin öğrenme tekniklerinin kullanılması
Using embedded system and deep learning techniques for real-time object detection and classification in unmanned vehicles
ZİYA SAYGILI
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Fiducial marker detection and identification for individual honey bee tracking using cascaded deep learning models
Ardışık derin öğrenme modelleri kullanarak bireysel arı takibi için güvenilir işaretçi tespiti ve çözümlenmesi
MUSTAFA YAVUZ KARA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HANDE ALEMDAR
- Derin öğrenme algoritmaları kullanılarak gerçek zamanlı silah tanıma uygulaması
Real-time handgun detection application using deep learning algorithms
ALİ AKDAĞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SABRİ KOÇER