Object detection and synthetic infrared image generaton for UAV-based aerial images
Başlık çevirisi mevcut değil.
- Tez No: 832533
- Danışmanlar: PROF. DR. İBRAHİM KÖRPEOĞLU, DR. ÖĞR. ÜYESİ SEDAT ÖZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
daha sonra doldurulacaktırBu tez havadan görüntü işleme ile ilgili iki ana çalışmayı içermektedir. İlk çalışmada (bu tezin ilk ana bölümünde), hava görüntülerindeki nesnelerin tespitine yönelik yeni yaklaşımlar sunuyoruz. Bu tez yazıldığında, birçok hava kıyaslama veri kümesinde birçok metrikte en son teknolojiye sahip sonuçları veren CenterNet'i temel alan yeni bir nesne algılama algoritması tanıttık. Bu bölümde İHA'lar tarafından çekilen hava görüntülerinde farklı kayıp fonksiyonlarının ve mimarilerin nesnelerin tespit performansının arttırılmasına etkisi incelenmektedir. Önerilen yaklaşımlarımızın, havadan görüntülerdeki nesnelerin tespitine yönelik öğrenme sürecinin belirli yönlerinin iyileştirilmesine yardımcı olduğunu gösterdik. Güncel derin öğrenme tabanlı denetlenen nesne algılama algoritmalarını eğitmek için ek açıklamaların kullanılabilirliği önemlidir. Günümüzde birçok algoritma girdi olarak hem kızılötesi (IR) hem de görünür (RGB) görüntü çiftlerini kullanıyor. Ancak büyük veri kümeleri (VisDrone veya ImageNet gibi) genellikle görünür spektrumda yakalanır. Bu nedenle, bu tezin ikinci bölümünde, mevcut veri kümeleri için görünür görüntülerin kızılötesi eşdeğerlerinin yapay olarak üretilmesine yönelik alan aktarımı tabanlı bir yaklaşım sunulmaktadır. Bu tür görüntü çiftleri, gelecekteki çalışmalarda her iki mod için de nesne algılama algoritmalarını eğitmek amacıyla kullanılabilir.
Özet (Çeviri)
This thesis contains two main works related to aerial image processing. In the first work (in the first main part of this thesis), we present novel approaches to detect objects in aerial images. We introduce a novel object detection algorithm based on CenterNet which yields the state-of-the-art results in many metrics on many aerial benchmark datasets, when this thesis was written. In this part, we study the effect of different loss functions, and architectures for improving the detection performance of objects in aerial images taken by UAVs. We show that our proposed approaches help improving certain aspects of the learning process for detecting objects in aerial images. To train recent deep learning-based supervised object detection algorithms, the availability of annotations is essential. Many algorithms, today, use both infrared (IR) and visible (RGB) image pairs as input. However, large datasets (such as VisDrone or ImageNet) typically are captured in the visible spectrum. Therefore, a domain transfer-based approach to artificially generate infrared equivalents of the visible images for existing datasets is presented in the second part of this thesis. Such image pairs, then, can be used to train object detection algorithms for either mode in future work.
Benzer Tezler
- Fusion of RGB and thermal image pairs for object and face liveness detection
Nesne ve yüz canlılığı tespiti için RGB ve termal görüntü çiftlerinin birleştirilmesi
MERVE ERŞAN
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Gömülü ve/veya örtülü nesnelerin algılanmasında yeni yaklaşımlar
New approaches to detect buried and/or covered objects
ESİN KARPAT
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Bölümü
PROF. DR. LEVENT SEVGİ
- Infrared domain adaptation with zero-shot quantization
Veri gerektirmeyen nicelemenin kızılötesi alana uyarlaması
BURAK SEVSAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
YRD. DOÇ. DR. ERDEM AKAGÜNDÜZ
- Enhancing aviation safety through autonomous detection of foreign object debris: An accessible computer vision and deep learning approach
Otonom yabancı cisim döküntüsü (FOD) tespiti ile havacılık güvenliğinin artırılması: Erişilebilir bir bilgisayarlı görü ve derin öğrenme yaklaşımı
TURGAY BARKIN TÜRKŞEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TARKAN AYDIN
- Değişken rezolüzyonlu görüntü örnekleyici
Multi resolution image sampler
RIZA CAN TARCAN
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. M. SAİT TÜRKÖZ